/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Архитектура
whisper · dense
Базовая модель
whisper_medium
Опубликована
16 апр 2024

Ссылки

Hugging Face

whisper_medium_tw_minnan

jenjenot
Распознавание речиАудио → текст3 профессии

Дообученная Whisper Medium для автоматического распознавания речи с аудио в текст.

72скачиваний за 30 дней1лайквеса 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.

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 jenjenot/whisper_medium_tw_minnan — дообученная версия OpenAI Whisper Medium для автоматического распознавания речи. Она предназначена для преобразования аудио в текст; обучение выполнено на наборе thomas0104/nan_tw_soap_opera. Модель содержит около 455,8 млн параметров, использует архитектуру WhisperForConditionalGeneration и опубликована в формате safetensors. Карточка и метаданные связывают её с китайским языком; название модели указывает на миньнаньский вариант китайского, однако карточка не уточняет языковое покрытие и качество распознавания. Лицензия в предоставленных данных не указана.

Сценарии применения

  • распознавание речи на китайском языке
  • транскрибирование диалогов и реплик из мыльных опер
  • преобразование аудиозаписей в текст

Ограничения

Карточка не приводит оценки качества, подробности языкового покрытия или ограничения применения; пригодность для миньнаньской речи следует проверять на целевых аудиозаписях. Лицензия в доступных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jenjenot/whisper_medium_tw_minnan

This model is a fine-tuned version of openai/whisper_medium on the nan_tw_soap_opera dataset.

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 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • 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
83adde2

0 моделей

    Создать бенчмарк