/ Модель

Характеристики

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

whisper-small-as-500-64-1e-05-bn

Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice 11.0 модель Whisper small для распознавания ассамской речи и преобразования её в текст.

8скачиваний за 30 дней0лайковвеса обновлены7 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

Модель kpriyanshu256/whisper-small-as-500-64-1e-05-bn — дообученная версия Whisper small от OpenAI для автоматического распознавания речи на ассамском языке. Она основана на архитектуре WhisperForConditionalGeneration и содержит 153,1 млн параметров. Модель обучена на Common Voice 11.0; в карточке указаны значения Loss 1,3386 и WER 61,7578 на наборе оценки.

Модель предназначена для преобразования аудиозаписей на ассамском языке в текст, например для расшифровки речи и подготовки текстовых субтитров. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Показатель WER на наборе оценки указывает на заметные ошибки распознавания; результаты на других данных могут отличаться.

Сценарии применения

  • транскрибация записей на ассамском языке
  • распознавание ассамской речи в аудиозаписях
  • создание черновых субтитров для ассамской речи

Ограничения

На оценочном наборе указана высокая частота ошибок слов (WER 61,7578), поэтому точность может быть ограниченной. Характеристики качества на других наборах данных в карточке не приведены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

openai/whisper-small-Assamese

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

  • Loss: 1.3386
  • Wer: 61.7578

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
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 500

Training results

Training LossEpochStepValidation LossWer
0.31320.31501.4029161.4149
0.18881.083001.300061.7217
0.13581.384501.338661.7578

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.11.0
  • Datasets 2.1.0
  • Tokenizers 0.12.1

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
d71d83b

0 моделей