/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Архитектура
whisper · dense
Базовая модель
whisper-tiny
Библиотека
transformers
Опубликована
19 янв 2025

whisper-tiny-polish

Распознавание речиАудио → текст3 профессии

Компактная модель Whisper-Tiny, дообученная для распознавания польской речи и голосовых команд.

51скачиваний за 30 дней5лайковвеса обновлены3 фев 2025

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

gs224 разработал и дообучил Whisper-Tiny — компактную модель распознавания речи с архитектурой Transformer encoder-decoder и примерно 29,4 млн параметров. Модель настроена на транскрибацию польской речи, особенно голосовых команд, и принимает аудио, выдавая текст. Для дообучения использован набор FBK-MT/Speech-MASSIVE; модель распространяется в формате safetensors и рассчитана на работу через Transformers.

Модель может быть полезна для преобразования польских голосовых запросов в текст и распознавания команд. В приведённой оценке WER на тестовом наборе снизился с 0,8435 у базовой модели до 0,3176 после дообучения. Качество может быть ниже для диалектов, акцентов и данных, отличающихся от обучающего набора; регистр букв и пунктуация в эталонных транскрипциях влияют на оценку. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация польских голосовых команд
  • преобразование польской речи в текст
  • распознавание устных запросов на польском языке

Ограничения

Может хуже распознавать диалекты и акценты, а также речь вне обучающего домена; модель не предназначена для чувствительных задач, где требуется очень высокая точность. Регистр букв и пунктуация в эталонных транскрипциях могут влиять на оценку WER.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card

Model Details

Model Description

This model is a fine-tuned version of OpenAI's Whisper-Tiny ASR model, optimized for transcribing Polish voice commands. The fine-tuning process utilized the MASSIVE Speech dataset to enhance the model's performance on Polish utterances. The Whisper-Tiny model is a transformer-based encoder-decoder architecture, pre-trained on 680,000 hours of labeled speech data.

  • Developed by: gs224
  • Language(s) (NLP): Polish
  • Finetuned from model: Whisper-tiny

Link to the training code: https://github.com/gs224/Fine-tuning-Whisper-for-Polish-voice-commands

Uses

The model can be used for automatic transcription of Polish speech-to-text tasks, including voice command recognition.

Out-of-Scope Use

The model may not perform well on languages or domains it was not fine-tuned for, and it is not suitable for sensitive applications requiring very high accuracy.

Bias, Risks, and Limitations

The fine-tuning was performed on a relatively small subset of Polish voice data with limited epochs, leading to potential underperformance in certain dialects or accents. The presence of capital letters and punctuation in the ground-truth transcription may affect the Word Error Rate (WER) score.

Recommendations

Future improvements could include training on larger datasets, more diverse utterances, and addressing case sensitivity and punctuation in ground-truth labels.

Training Details

Training Data

https://huggingface.co/datasets/FBK-MT/Speech-MASSIVE-test

Evaluation

Word Error Rate (WER)

Testing Data, Factors & Metrics

Metrics

WER, a typical metrics for ASR.

Results

Word Error Rate on the test set:

Base modelFine-tuned model
0.84350.3176

Example sentences:

ReferenceBase modelFine-tuned model
wyślij maila do mojego brata i przypomnij o rocznicy ślubuwysli myę latą mojego biata i przypamni o nici ślubuwyślij maila do mojego bryata i przypomnij mi o lepszy ślubu
przypomnij mi o jutrzejszym spotkaniu godzinę wcześniejprzypomnij mi o jutrzejszym spotkaniu godzinę wcześniejprzypomnij mi o jutrzejszym spotkaniu godzina wcześniej
graj plejlistę boba dylanagra i play listę boba dylanagraj playlistę boba delana
graj ale jazz autorki sanahgrei, al het rust autoorkisanagraj ale jazz autorki sanah
olly posłuchajmy sto jeden i trzy f. m.oli posłuchajmy sto jeden i trzefamolly posłuchaj we z to jeden i trzy f. m.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
d042d62

0 моделей