/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny
Опубликована
25 янв 2024

Ссылки

Hugging Face

whisper-tiny-ja

kosamit
Распознавание речиАудио → текст

Компактная дообученная версия Whisper Tiny для автоматической транскрибации речи, обозначенная как японская.

5скачиваний за 30 дней0лайковвеса обновлены27 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

kosamit/whisper-tiny-ja — дообученная kosamit модель на основе openai/whisper-tiny для автоматического распознавания речи и преобразования аудио в текст. Модель содержит 29,4 млн параметров, использует архитектуру WhisperForConditionalGeneration и опубликована в формате PyTorch. В метаданных указан датасет Common Voice 11.0; README сообщает о дообучении на наборе данных, обозначенном как None, поэтому состав обучающей выборки по карточке определить нельзя.

Модель ориентирована на распознавание японской речи, что следует из названия репозитория, однако в карточке не приведено отдельного описания языковых возможностей. На тестовой выборке README приводит loss 0,6251 и WER 103,7719; значение WER указывает на слабый результат распознавания в этой оценке. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация японских аудиозаписей
  • преобразование речевых аудиофайлов в текст
  • экспериментальная оценка распознавания на Common Voice

Ограничения

В README указана высокая оценка WER 103,7719 на тестовой выборке, что свидетельствует о слабом качестве распознавания в этой оценке. Описание обучающих данных неполное: README указывает набор None, тогда как метаданные связывают модель с Common Voice 11.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-tiny-ja

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

  • Loss: 0.6251
  • Wer: 103.7719

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: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 1000

Training results

Training LossEpochStepValidation LossWer
0.65560.7310000.6251103.7719

Framework versions

  • Transformers 4.33.2
  • Pytorch 2.1.1+cu118
  • Datasets 2.16.1
  • Tokenizers 0.13.3

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
96b1414

0 моделей

    Создать бенчмарк