/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
9 дек 2022

whisper-large-v2-pt

Распознавание речиАудио → текст

Дообученная Whisper Large-v2 для транскрибирования португалоязычного аудио в текст.

21скачиваний за 30 дней10лайковвеса обновлены11 дек 2022

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

jlondonobo/whisper-large-v2-pt — дообученная модель автоматического распознавания речи на основе OpenAI Whisper Large-v2. Она предназначена для транскрибирования аудио на португальском языке, включая варианты, используемые в Бразилии и Португалии. Модель содержит около 905,2 млн параметров, использует архитектуру Whisper и доступна в формате PyTorch. В README для оценки на тестовой части Common Voice 11 приведён WER 5,590; автор сообщает, что модель точнее исходной Whisper Large-v2 на этом тесте.

Модель подходит для преобразования португалоязычных записей в текст. Она опубликована под лицензией Apache-2.0. Результат оценки относится к подмножеству Common Voice и не гарантирует такой же точности на других типах аудио.

Сценарии применения

  • транскрибирование записей на португальском языке
  • распознавание бразильской португальской речи
  • распознавание европейской португальской речи

Ограничения

Указанный WER получен на тестовом подмножестве Common Voice 11, поэтому качество на других аудиоданных может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large V2 Portuguese 🇧🇷🇵🇹

Bem-vindo ao whisper large-v2 para transcrição em português 👋🏻

Transcribe Portuguese audio to text with the highest precision.

  • Loss: 0.282
  • Wer: 5.590

This model is a fine-tuned version of openai/whisper-large-v2 on the mozilla-foundation/common_voice_11 dataset. If you want a lighter model, you may be interested in jlondonobo/whisper-medium-pt. It achieves faster inference with almost no difference in WER.

Comparable models

Reported WER is based on the evaluation subset of Common Voice.

ModelWER# Parameters
jlondonobo/whisper-large-v2-pt5.590 🤗1550M
openai/whisper-large-v26.3001550M
jlondonobo/whisper-medium-pt6.579769M
jonatasgrosman/wav2vec2-large-xlsr-53-portuguese11.310317M
Edresson/wav2vec2-large-xlsr-coraa-portuguese20.080317M

Training hyperparameters

We used the following hyperparameters for training:

  • learning_rate: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.08281.0910000.18686.778
0.02413.0720000.20576.109
0.00845.0630000.23676.029
0.00157.0440000.24695.709
0.00099.0250000.28215.590 🤗

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu117
  • Datasets 2.7.1.dev0
  • Tokenizers 0.13.2

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
a4e3282

0 моделей