/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
CC BY 4.0
Архитектура
whisper · dense
Опубликована
15 июн 2023

whisper-large-icelandic-62640-steps-967h

Распознавание речиАудио → текст5 профессий

Дообученная версия Whisper Large для распознавания исландской речи и преобразования её в текст.

236скачиваний за 30 дней4лайкавеса обновлены25 апр 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.

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 Icelandic — акустическая модель автоматического распознавания речи, созданная Language and Voice Laboratory Рейкьявикского университета. Она получена дообучением openai/whisper-large на корпусе Samrómur Milljón: 967 часов исландской речи, собранной через платформу Samrómur и прошедшей автоматическую проверку. Обучение включало 62 640 шагов.

Модель предназначена для преобразования исландской речи в текст. Её можно применять для транскрибации записей исландской речи и создания систем распознавания речи на исландском языке. Архитектура — Whisper Large, около 905,2 млн параметров; репозиторий содержит веса PyTorch. В качестве обучающих данных использован корпус Samrómur Milljón.

По README, результат оценки составил 7,743795695602924, но метрика и условия оценки не приведены, поэтому это число нельзя однозначно интерпретировать. Модель распространяется по лицензии CC BY 4.0.

Сценарии применения

  • транскрибация записей на исландском языке
  • распознавание исландской речи в аудиозаписях
  • создание системы расшифровки исландской речи

Ограничения

Обучение и оценка ориентированы на исландскую речь; качество для других языков не заявлено. В README приведено численное значение оценки без названия метрики и условий тестирования.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-icelandic-62640-steps-967h

The "whisper-large-icelandic-62640-steps-967h" is an acoustic model suitable for Automatic Speech Recognition in Icelandic. It is the result of fine-tuning the model openai/whisper-large for 62,640 steps with 967 hours of Icelandic data collected by the Language and Voice Laboratory through the platform Samrómur.

The specific data that was used to fine-tune the model is the corpus Samrómur Milljón, which is the result of the automatic verification of 1 million of recordings comming from the corpus "Samromur Unverified 22.07". It has to be pointed out that this model was trained with different data than our previous model whisper-large-icelandic-30k-steps-1000h.

The fine-tuning process was performed during June (2023) in the servers of the Language and Voice Laboratory (https://lvl.ru.is/) at Reykjavík University (Iceland) by Carlos Daniel Hernández Mena. Some details of the creation of this model are reported in the paper Samrómur Milljón: An ASR Corpus of One Million Verified Read Prompts in Icelandic.

Evaluation

import torch
from transformers import WhisperForConditionalGeneration, WhisperProcessor

#Load the processor and model.
MODEL_NAME="language-and-voice-lab/whisper-large-icelandic-62640-steps-967h"
processor = WhisperProcessor.from_pretrained(MODEL_NAME)
model = WhisperForConditionalGeneration.from_pretrained(MODEL_NAME).to("cuda")

#Load the dataset
from datasets import load_dataset, load_metric, Audio
ds=load_dataset("language-and-voice-lab/samromur_children",split='test')

#Downsample to 16kHz
ds = ds.cast_column("audio", Audio(sampling_rate=16_000))

#Process the dataset
def map_to_pred(batch):
	audio = batch["audio"]
	input_features = processor(audio["array"], sampling_rate=audio["sampling_rate"], return_tensors="pt").input_features
	batch["reference"] = processor.tokenizer._normalize(batch['normalized_text'])

	with torch.no_grad():
		predicted_ids = model.generate(input_features.to("cuda"))[0]
	
	transcription = processor.decode(predicted_ids)
	batch["prediction"] = processor.tokenizer._normalize(transcription)
	
	return batch
	
#Do the evaluation
result = ds.map(map_to_pred)

#Compute the overall WER now.
from evaluate import load

wer = load("wer")
WER=100 * wer.compute(references=result["reference"], predictions=result["prediction"])
print(WER)

Test Result: 7.743795695602924

BibTeX entry and citation info

When publishing results based on these models please refer to:

@inproceedings{mena2024samromur,
  title={Samr{\'o}mur Millj{\'o}n: An ASR Corpus of One Million Verified Read Prompts in Icelandic},
  author={Mena, Carlos Daniel Hernandez and Gunnarsson, {\TH}orsteinn Da{\dh}i and Gu{\dh}nason, J{\'o}n},
  booktitle={Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024)},
  pages={14305--14312},
  year={2024}
}

Acknowledgements

Thanks to Jón Guðnason, head of the Language and Voice Lab for providing computational power to make this model possible.

We also want to thank to the "Language Technology Programme for Icelandic 2019-2023" which is managed and coordinated by Almannarómur, and it is funded by the Icelandic Ministry of Education, Science and Culture. This model is an unexpected result of all the resources gathered by the Programme.

Special thanks to Björn Ingi Stefánsson for setting up the configuration of the server where this model was trained.

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
f8bf1e5

0 моделей