/ Модель
Каталог

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
10 ноя 2023

Ссылки

Hugging Face

whisper-large-v3-atco2-asr

jlvdoorn
Распознавание речиАудио → текст10 профессий

Дообученная на базе Whisper large-v3 модель для автоматического распознавания речи и преобразования аудио в текст.

444скачиваний за 30 дней8лайковвеса обновлены17 янв 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

jlvdoorn/whisper-large-v3-atco2-asr — дообученная модель распознавания речи на базе Whisper large-v3 от OpenAI. Она предназначена для преобразования аудио в текст; README сообщает результат оценки WER 17,0374 и loss 0,7695, но не описывает набор оценки и условия измерения. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и опубликована в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • преобразование речи в текст
  • автоматическая расшифровка аудио для последующей обработки

Ограничения

README не сообщает, на каких данных и при каких условиях получен результат WER 17,0374; набор дообучения обозначен как None. Языки и специализированные сценарии применения в предоставленных данных не указаны.

Для каких профессий подходит10

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-atco2-asr

This model is a fine-tuned version of openai/whisper-large-v3 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7695
  • Wer: 17.0374

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
  • distributed_type: multi-GPU
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 2800
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.13883.571000.548820.1957
0.03137.142000.583017.5712
0.017310.713000.589820.4181
0.00414.294000.620116.3256
0.00117.865000.654318.4164
0.00221.436000.649917.8381
0.000325.07000.672417.1263
0.000228.578000.689016.9929
0.000232.149000.701216.8594
0.000135.7110000.710416.9484
0.000139.2911000.717816.9039
0.000142.8612000.724117.4377
0.000146.4313000.730517.3488
0.000150.014000.735817.3043
0.000153.5715000.740717.3043
0.000157.1416000.745117.1263
0.000160.7117000.749517.2598
0.000164.2918000.752917.2153
0.000167.8619000.756317.2598
0.000171.4320000.759317.4377
0.000175.021000.761217.3932
0.000178.5722000.763217.2598
0.082.1423000.765117.1263
0.085.7124000.766617.0819
0.089.2925000.768117.0374
0.092.8626000.768617.0374
0.096.4327000.769517.1263
0.0100.028000.769517.0374

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.0.1+cu117
  • Datasets 2.12.0
  • Tokenizers 0.14.1

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
f7a0ddd

0 моделей

    Создать бенчмарк