/ Модель

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-finetuning
Опубликована
3 июл 2024

whisper-large-v2-finetuning-2

Распознавание речиАудио → текст

Дообученная на Common Voice 17.0 модель Whisper для автоматического распознавания речи и преобразования аудио в текст.

6скачиваний за 30 дней0лайковвеса обновлены3 июл 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

guilhermebastos96/whisper-large-v2-finetuning-2 — дообученная модель распознавания речи на базе guilhermebastos96/whisper-large-v2-finetuning, разработанная автором репозитория. Модель построена на архитектуре Whisper и содержит около 905,2 млн параметров; веса доступны в формате safetensors. Она предназначена для преобразования аудиозаписей в текст и дообучена на наборе Common Voice 17.0.

На указанном оценочном наборе модель показала loss 0,2251 и WER 11,8114. В карточке не уточнены языки, на которых проводилось дообучение, длина контекста и ограничения применения. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи из Common Voice
  • преобразование речи в текст
  • оценка качества распознавания по WER

Ограничения

Языки и условия применения модели в карточке не описаны; приведённый WER относится к указанному оценочному набору и не гарантирует такое же качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v2-finetuning-2

This model is a fine-tuned version of guilhermebastos96/whisper-large-v2-finetuning on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2251
  • Wer: 11.8114

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: 6000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.07240.508910000.200015.6703
0.03221.017820000.215612.0592
0.03981.526730000.20659.9843
0.01672.035640000.209110.5134
0.01072.544550000.218113.2453
0.00353.053460000.225111.8114

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
e4e8ee5

0 моделей