/ Модель

Характеристики

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

whisper-large-pt-cv11

Распознавание речиАудио → текст9 профессий

Модель Whisper Large, дообученная для транскрибации португальской речи в текст.

29скачиваний за 30 дней15лайковвеса обновлены22 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

jonatasgrosman/whisper-large-pt-cv11 — модель автоматического распознавания речи, созданная Jonatas Grosman на основе openai/whisper-large-v2 и дообученная на португальском языке на обучающей и части валидационной выборок Common Voice 11. Она преобразует португальскую речь в текст и подходит для расшифровки записей и аудио с естественной речью.

Модель использует архитектуру Whisper Large с 905,2 млн параметров. В README приведены оценки на тестовых выборках Common Voice 11 и Fleurs; результаты зависят от нормализации регистра и пунктуации, а в Fleurs также от различий в записи чисел. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка португальских голосовых записей
  • транскрибация речи из аудио на португальском языке
  • создание текстовых субтитров к португалоязычному аудио

Ограничения

Модель адаптирована для португальского языка; точность может зависеть от регистра, пунктуации и способа записи чисел. Приведённые оценки получены на Common Voice 11 и Fleurs и могут не отражать качество на других типах аудио.

Для каких профессий подходит9

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 Large Portuguese

This model is a fine-tuned version of openai/whisper-large-v2 on Portuguese using the train and validation splits of Common Voice 11. Not all validation split data were used during training, I extracted 1k samples from the validation split to be used for evaluation during fine-tuning.

Usage


from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="jonatasgrosman/whisper-large-pt-cv11"
)

transcriber.model.config.forced_decoder_ids = (
  transcriber.tokenizer.get_decoder_prompt_ids(
    language="pt", 
    task="transcribe"
  )
)

transcription = transcriber("path/to/my_audio.wav")

Evaluation

I've performed the evaluation of the model using the test split of two datasets, the Common Voice 11 (same dataset used for the fine-tuning) and the Fleurs (dataset not seen during the fine-tuning). As Whisper can transcribe casing and punctuation, I've performed the model evaluation in 2 different scenarios, one using the raw text and the other using the normalized text (lowercase + removal of punctuations). Additionally, for the Fleurs dataset, I've evaluated the model in a scenario where there are no transcriptions of numerical values since the way these values are described in this dataset is different from how they are described in the dataset used in fine-tuning (Common Voice), so it is expected that this difference in the way of describing numerical values will affect the performance of the model for this type of transcription in Fleurs.

Common Voice 11

CERWER
jonatasgrosman/whisper-large-pt-cv112.529.56
jonatasgrosman/whisper-large-pt-cv11 + text normalization1.604.82
openai/whisper-large-v24.3213.92
openai/whisper-large-v2 + text normalization2.847.02

Fleurs

CERWER
jonatasgrosman/whisper-large-pt-cv114.8812.08
jonatasgrosman/whisper-large-pt-cv11 + text normalization5.468.57
jonatasgrosman/whisper-large-pt-cv11 + keep only non-numeric samples2.359.00
jonatasgrosman/whisper-large-pt-cv11 + text normalization + keep only non-numeric samples3.366.05
openai/whisper-large-v23.5210.55
openai/whisper-large-v2 + text normalization4.197.04
openai/whisper-large-v2 + keep only non-numeric samples2.619.29
openai/whisper-large-v2 + text normalization + keep only non-numeric samples3.566.15

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
fc641fc

0 моделей