/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large
Опубликована
19 апр 2024

WHISPER-SMALL-SWAHILI-ASR-CV-14

Распознавание речиАудио → текст6 профессий

Дообученная на Common Voice 14.0 модель Whisper для транскрибации речи на суахили.

13скачиваний за 30 дней3лайкавеса обновлены20 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель dmusingu/WHISPER-SMALL-SWAHILI-ASR-CV-14 — дообученная Denis Musinguzi версия Whisper для автоматического распознавания речи на суахили. Она обучена на наборе Common Voice 14.0 и предназначена для преобразования аудио с речью в текст. В метаданных указаны архитектура Whisper, 153,1 млн параметров и формат весов safetensors; базовая модель — openai/whisper-large. На оценочной выборке README приводит Loss 0,4428, WER 0,2513 и CER 0,0983.

Модель подходит для транскрибации записей и голосовых материалов на суахили. Лицензия — Apache-2.0. Результаты приведены только для указанной оценочной выборки Common Voice 14.0; README не сообщает подробностей о методике оценки или поведении на других аудиоданных.

Сценарии применения

  • транскрибация аудиозаписей на суахили
  • распознавание суахилийской речи в голосовых сообщениях
  • создание текстовых субтитров для речи на суахили

Ограничения

Оценочные показатели относятся к Common Voice 14.0 и не подтверждают качество на других типах аудио. README не описывает методику оценки и дополнительные ограничения.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper small - Denis Musinguzi

This model is a fine-tuned version of openai/whisper-large on the Common Voice 14.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4428
  • Wer: 0.2513
  • Cer: 0.0983

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
0.91790.518000.14120.53550.3693
0.30781.0216000.11960.43430.3152
0.19591.5324000.11720.40680.2822
0.17372.0432000.11450.39220.2721
0.10462.5540000.10840.39580.2634
0.10193.0648000.10290.39570.2578
0.05883.5756000.11320.40130.2666
0.05454.0864000.10090.41120.2510
0.03054.5972000.09410.41830.2442
0.02755.180000.10050.43030.2549
0.01535.6188000.43740.24070.0908
0.0146.1296000.44280.25130.0983

Framework versions

  • Transformers 4.38.1
  • Pytorch 2.2.1
  • Datasets 2.17.0
  • Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
db54361

0 моделей