/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
8 апр 2025

Ссылки

Hugging Face

Whisper-squeezeformer-v9_train_CM

jun-han
Распознавание речиАудио → текст8 профессий

Дообученная на Common Voice модель Whisper-small для распознавания речи и транскрибирования аудио.

9скачиваний за 30 дней0лайковвеса обновлены1 июн 2025

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

Whisper-squeezeformer-v9_train_CM — дообученная на Common Voice модель распознавания речи на основе Whisper-small от OpenAI. Она предназначена для преобразования аудио в текст; в README приведён результат оценки на тестовом наборе: WER 16,4239 и loss 0,4028. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors.

Метаданные указывают английский язык. Лицензия — Apache-2.0. Подробности о целевом варианте английского языка, настройках обучения и ограничениях применения в карточке не приведены.

Сценарии применения

  • транскрибирование англоязычных аудиозаписей
  • распознавание речи в записях Common Voice
  • преобразование речи в текст для последующей обработки

Ограничения

В README приведена оценка WER 16,4239 на наборе оценки, но не описаны его состав и условия измерения; качество на других данных может отличаться. Подробные сведения об ограничениях и целевых условиях использования отсутствуют.

Для каких профессий подходит8

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper-squeezeformer-v9_train_CM

This model is a fine-tuned version of openai/whisper-small on the common voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4028
  • Wer: 16.4239

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: 20
  • 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: 2500
  • training_steps: 60000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.07390.769925004.0357118.3015
2.45751.539950000.623929.9161
0.44942.309875000.540220.0608
0.333.0798100000.559720.0198
0.45133.8485125000.500120.8211
0.31544.6182150000.490820.5695
0.37237.0056175000.472919.6478
0.23248.0064200000.482219.8000
0.33429.0072225000.464218.9459
0.246510.0080250000.467919.1679
0.371311.0088275000.449118.3519
0.358712.0096300000.443318.4217
0.339413.0104325000.436318.0263
0.328214.0056350000.426817.6648
0.330515.0120375000.424318.0179
0.326716.0064400000.423317.3879
0.309917.0204425000.419317.0835
0.309418.0072450000.413817.0053
0.290919.0076475000.414616.9630
0.29920.0080500000.409116.9334
0.32621.0084525000.408516.6522
0.333322.0088550000.401416.7558
0.336823.0092575000.401816.3753
0.312524.0096600000.402816.4239

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.4.0
  • Datasets 3.2.0
  • Tokenizers 0.20.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
979bfae

0 моделей

    Создать бенчмарк