/ Модель

Характеристики

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

whisper-large-v2-as-600-32-1e-05-bn

Распознавание речиАудио → текст

Дообученная на Common Voice 11.0 версия Whisper large-v2 для распознавания ассамской речи и её транскрипции.

14скачиваний за 30 дней0лайковвеса обновлены17 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

Это версия Whisper large-v2, дообученная автором kpriyanshu256 на наборе Common Voice 11.0 для распознавания речи. Модель принимает аудио и генерирует текст; архитектура — WhisperForConditionalGeneration, размер — около 905,2 млн параметров.

Модель предназначена для автоматической транскрипции речи на ассамском языке. В README приведён результат оценки на тестовом наборе: WER 58,13 и loss 1,1469. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудио на ассамском языке
  • распознавание ассамской речи в записях
  • подготовка текстовых субтитров к ассамским аудиозаписям

Ограничения

На тестовом наборе указана высокая ошибка слов (WER 58,13), поэтому точность распознавания может быть ограниченной. Оценка приведена для Common Voice 11.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

openai/whisper-large-v2-Assamese

This model is a fine-tuned version of openai/whisper-large-v2 on the Common Voice 11.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1469
  • Wer: 58.13030138964086

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: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 600

Training results

Training LossEpochStepValidation LossWer
0.06461.136001.146958.1303

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu117
  • Datasets 2.7.1.dev0
  • Tokenizers 0.13.2

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
261fe69

0 моделей