/ Модель
Каталог

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
23 дек 2024

Ссылки

Hugging Face

whisper-large-v3-nepali

kiranpantha
Распознавание речиАудио → текст4 профессии

Дообученная на непальских данных модель Whisper Large v3 для преобразования непальской речи в текст.

173скачиваний за 30 дней0лайковвеса обновлены1 фев 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 Large v3 Nepali — модель распознавания речи, созданная Кира́ном Пантхой путём дообучения openai/whisper-large-v3 на сбалансированном наборе OpenSLR54 для непальского языка. Модель содержит 905,2 млн параметров и использует архитектуру Whisper; она принимает аудио и преобразует речь в текст.

Подходит для транскрибации непальской речи. В README приведены результаты оценки на тестовой выборке: WER 18,725 и CER 4,4861. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация непальских аудиозаписей
  • распознавание непальской речи в записях интервью
  • создание текстовых субтитров к непальской речи

Ограничения

В README приведены WER 18,725 и CER 4,4861 на оценочной выборке; качество может различаться на других данных и условиях записи.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large v3 Nepali - Kiran Pantha

This model is a fine-tuned version of openai/whisper-large-v3 on the OpenSLR54 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0876
  • Wer: 18.7250
  • Cer: 4.4861

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
0.22660.120030011.90340.234544.7619
0.2080.239960011.31570.213241.1060
0.1850.35999009.42040.175335.6068
0.15670.479812008.85960.163433.9324
0.14110.599815008.70040.152333.0568
0.13770.719718007.31200.137129.7849
0.11470.839721007.00100.133227.7112
0.11160.959624006.57980.121226.3287
0.07571.079627006.12680.119324.7773
0.06091.199530005.89910.115424.6237
0.06121.319533005.25990.109122.0737
0.06271.439436005.35790.104521.6283
0.05821.559439005.19380.099521.5054
0.05511.679342004.79470.095619.8771
0.0521.799345004.54730.089719.1244
0.04381.919248004.48610.087618.7250

Framework versions

  • Transformers 4.47.1
  • Pytorch 2.5.1+cxx11.abi
  • Datasets 3.2.0
  • Tokenizers 0.21.0

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
934c2bf

0 моделей

    Создать бенчмарк