/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
30 июн 2024

Ссылки

Hugging Face

whisper-large-v2-finetuning

guilhermebastos96
Распознавание речиАудио → текст

Дообученная на Common Voice 17.0 мультиязычная Whisper large-v2 для распознавания и транскрибации речи из аудио.

4скачиваний за 30 дней0лайковвеса обновлены30 июн 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.

Открыть конструктор бенчмарка

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 guilhermebastos96/whisper-large-v2-finetuning — дообученная версия мультиязычной Whisper large-v2 от OpenAI. Она предназначена для автоматического распознавания речи и транскрибации аудио; дообучение выполнено на наборе Common Voice 17.0. Модель содержит около 905,2 млн параметров и распространяется в формате safetensors.

В README приведён результат оценки на тестовой выборке: WER 14,9238 и loss 0,1803. Эти показатели относятся к указанной оценке и сами по себе не гарантируют такое же качество на других языках и аудиозаписях. Лицензия модели — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых сообщениях
  • создание текстовых расшифровок для аудио из Common Voice
  • автоматическое преобразование речи в текст

Ограничения

README не приводит подробностей об ограничениях и языковых результатах этой версии. Значение WER 14,9238 получено на указанной оценочной выборке и не характеризует качество на любых других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v2-finetuning

This model is a fine-tuned version of openai/whisper-large-v2 on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.1803
  • eval_wer: 14.9238
  • eval_runtime: 3860.013
  • eval_samples_per_second: 2.453
  • eval_steps_per_second: 0.307
  • epoch: 1.5267
  • step: 3000

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: 16
  • eval_batch_size: 8
  • 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: 8000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.42.3
  • Pytorch 2.2.1
  • Datasets 2.20.0
  • Tokenizers 0.19.1

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
9cfe079

0 моделей

    Создать бенчмарк