/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
26 ноя 2024

whisper-small-uyghur-common-voice

Распознавание речиАудио → текст6 профессий

Дообученная версия Whisper Small для распознавания уйгурской речи и преобразования аудио в текст.

387скачиваний за 30 дней6лайковвеса обновлены30 дек 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

Это модель автоматического распознавания речи, созданная дообучением openai/whisper-small на корпусе Uyghur Common Voice. Она предназначена для транскрибации аудио на уйгурском языке. Модель содержит 153,1 млн параметров, использует архитектуру Whisper и загружает аудио на входе, выдавая текст.

При обучении использованы объединённые обучающая и валидационная части Common Voice 15.0: 11 215 записей продолжительностью около 20 часов. Оценка проведена на тестовой части THUYG20; в карточке указаны WER 28,30%, орфографический WER 42,97% и CER 10,90%. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • транскрибация записей на уйгурском языке
  • распознавание уйгурской речи из аудиофайлов
  • подготовка текстовых расшифровок уйгурских интервью
  • автоматическая расшифровка уйгурских записей для последующей обработки

Ограничения

На тестовом наборе THUYG20 указаны WER 28,30%, орфографический WER 42,97% и CER 10,90%, поэтому точность зависит от записи и требований к орфографии. Обучение основано примерно на 20 часах аудио Common Voice 15.0.

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 Fine-tuned with Uyghur Common Voice

This model is a fine-tuned version of openai/whisper-small on the Uyghur Common Voice dataset.

This model achieves the following results on the evaluation set:

  • Loss: 1.5920
  • Wer Ortho: 42.9701
  • Wer: 28.2995
  • Cer: 10.8968

Training and evaluation data

The training was done using the combined train and dev set of common_voice_15_0 (11215 recordings, ~20hrs of audio).

The testing was done using the test set of THUYG20 as the standard benchmark for Uyghur speech models.

Training procedure

Finetuning code avaiblable in https://github.com/ixxan/ug-speech

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 300
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer OrthoWerCer
0.5744000.71335001.41389059.76552248.56155017.639905
0.2996001.425610001.28332652.81900441.37783814.717958
0.1306002.139815001.37933852.26574238.95338916.260934
0.1225002.853120001.31373050.24589436.49479314.762585
0.0605003.566325001.43462647.58935632.99897612.185938
0.0195004.279630001.52662545.34557030.97575611.307346
0.0153004.992935001.53167644.12048829.28547011.690021
0.0033005.706140001.59202042.97005428.29947110.896778

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.1+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
81f6b4c

0 моделей