Характеристики

Лицензия: Apache 2.0
Опубликована: 30 ноя 2023

Ссылки

Hugging Face

hviske

mhenrichsen

Распознавание речиАудио → текст

Hviske — дообученная на датской речи модель Whisper large-v3 для автоматической транскрибации аудио на датском языке.

42скачиваний за 30 дней18лайковвеса обновлены9 дек 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Hviske — датская модель распознавания речи в текст, созданная mhenrichsen на основе OpenAI Whisper large-v3. Она предназначена для транскрибации датской речи; при обучении использовано около 300 часов датских аудиозаписей с участием людей разных возрастов, регионов и полов. В README заявлен показатель WER 5,8, однако не приведены подробности тестового набора и методики оценки, поэтому результат сложно сопоставлять с другими моделями. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

транскрибация записей на датском языке
создание текстовых расшифровок датских интервью
распознавание датской речи в аудиозаписях
подготовка субтитров для датскоязычных видео

Ограничения

Заявленный WER 5,8 не сопровождается описанием тестового набора и условий оценки. Качество на других языках и акустических условиях не описано.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hviske

Er en dansk tale-til-tekst model, baseret på OpenAI's Whisper v3 large.

Datasæt

Modellen er trænet på flere danske datasæt og dækker ca. 300 timers dansk tale fra personer i alle aldersgrupper og nogenlunde ligeligt fordelt på regioner samt køn.

Evaluering

Modellen opnår en WER (word error rate) på 5.8, hvilket så vidt jeg ved den bedste hidtil.

Optælling af fejl: WER beregnes baseret på tre typer af fejl:

Substitutioner: Når ASR-modellen genkender et andet ord end det, der faktisk blev sagt.
Indsættelser: Når ASR-modellen tilføjer ekstra ord, der ikke blev sagt.
Sletninger: Når ASR-modellen undlader eller udelader ord, der blev sagt.

Fortolkning: En WER på 0% betyder perfekt genkendelse, uden fejl. En højere WER indikerer dårligere præstation af ASR-systemet. WER udtrykkes som en procentdel og bruges ofte til at sammenligne effektiviteten af forskellige ASR-modeller eller -systemer. Begrænsninger: Selvom WER er en standard og bredt anvendt måleenhed, har den begrænsninger:

Den tager ikke højde for semantisk betydning; forskellige fejl kan have varierende indflydelse på forståelsen af indholdet. Den behandler alle fejl ens, uanset deres indvirkning på meningen med sætningen. Den kan blive påvirket af længden og kompleksiteten af den refererede tekst.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 12fe5cd