/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

whisper-large-v3-atco2-asr-atcosim

jlvdoorn
Распознавание речиАудио → текст9 профессий

Дообученная Whisper large-v3 для автоматической транскрибации речи из аудио в текст.

56скачиваний за 30 дней3лайкавеса обновлены25 ноя 2023

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-atcosim — дообученная модель семейства Whisper, созданная на базе openai/whisper-large-v3. Она предназначена для автоматического распознавания речи и преобразования аудио в текст. В карточке приведены результаты оценки: loss 0,1039 и WER 22,2698; сведения о наборе данных и сценариях обучения не раскрыты. Модель содержит около 905,2 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей в текст
  • распознавание речи в аудиофайлах
  • создание текстовых расшифровок речи

Ограничения

В README не описаны обучающие данные и ограничения применения; приведённый WER составляет 22,2698 на оценочном наборе, состав которого не указан.

Для каких профессий подходит9

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-atcosim

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: 0.1039
  • Wer: 22.2698

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
  • num_devices: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 250
  • training_steps: 12644
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.0491.972500.061341.3521
0.01683.945000.065625.3775
0.00765.917500.070316.7505
0.00287.8710000.072223.0540
0.0019.8412500.072721.6365
0.000811.8115000.072824.0815
0.001213.7817500.071236.9653
0.002515.7520000.070121.1248
0.000517.7222500.074510.2458
0.000619.6925000.078126.3169
0.001321.6527500.076015.4127
0.007323.6230000.079085.4764
0.003825.5932500.072444.4682
0.000327.5635000.077237.4056
0.000329.5337500.077831.2238
0.031.540000.080622.4040
0.033.4642500.083120.6886
0.035.4345000.084720.3322
0.037.447500.086020.7935
0.039.3750000.087120.3657
0.041.3452500.088020.5293
0.043.3155000.088920.7977
0.045.2857500.089820.4957
0.047.2460000.090620.9612
0.049.2162500.091420.8564
0.051.1865000.092121.1919
0.053.1567500.092820.7809
0.055.1270000.093421.1793
0.057.0972500.094121.2087
0.059.0675000.094721.2255
0.061.0277500.095321.4142
0.062.9980000.095921.1961
0.064.9682500.096621.1080
0.066.9385000.097221.0955
0.068.987500.097821.4226
0.070.8790000.098321.3681
0.072.8392500.098821.6532
0.074.895000.099421.6155
0.076.7797500.099921.5107
0.078.74100000.100521.3974
0.080.71102500.101021.6407
0.082.68105000.101421.7120
0.084.65107500.101921.8755
0.086.61110000.102321.9510
0.088.58112500.102721.9636
0.090.55115000.103022.0223
0.092.52117500.103322.0265
0.094.49120000.103622.3536
0.096.46122500.103822.3956
0.098.43125000.103922.2698

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
efd96bd

0 моделей

    Создать бенчмарк