/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
20 окт 2023

hamsa-v0.1-beta

Распознавание речиАудио → текст4 профессии

Hamsa — модель на основе Whisper от NADSOFT для распознавания и транскрибирования арабской речи.

13скачиваний за 30 дней6лайковвеса обновлены20 ноя 2023

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

Hamsa (همسة) — модель автоматического распознавания речи от NADSOFT, созданная на основе Whisper и предназначенная для транскрибирования арабской речи. Она содержит 455,8 млн параметров и обучалась на аудиоданных, включая наборы Jordan-Audio, FLEURS и Common Voice 11. Модель ориентирована на арабский язык и особенности речи Ближнего Востока и Северной Африки; для набора Jordan-Audio указана оценка WER 18,22.

Модель подходит для преобразования арабской речи в текст, в том числе в задачах транскрибации записей. Разработчик отмечает, что система находится в разработке. Лицензия Apache-2.0.

Сценарии применения

  • транскрибация арабской речи в текст
  • распознавание речи с записями на арабском языке
  • создание текстовых расшифровок аудиозаписей на арабском языке

Ограничения

По README, модель может хуже распознавать речь с сильными акцентами, например марокканским, и шумные записи. Разработчик не рекомендует использовать её для юридических, медицинских и других чувствительных задач.

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

Hamsa-v0.1-beta

Model description

Hamsa (همسة) represents a sophisticated advancement in the realm of Arabic speech recognition. It's a pre-trained automatic speech recognition (ASR) model that is built upon the foundation of the Whisper model. Hamsa is not just a technological achievement; it's a testament to NADSOFT's commitment to elevating the standards of AI results for the Arabic language. This contribution is especially significant for the Middle East and North Africa (MENA) region and the broader Arab World, as it seeks to address the unique linguistic nuances and cater to the specific needs of these communities.

Intended uses & limitations

Hamsa is a model that is still under development, and it is important to be aware of its limitations. For example, the model may not be able to accurately transcribe text from speakers with very strong accents, such as Moroccan Arabic. Additionally, the model may have difficulty transcribing text from noisy recordings.

It is important to note that Hamsa is not a perfect model, and it should not be used to generate text that is intended to be used in legal, medical, or other sensitive contexts.

Training and evaluation data

nadsoft/Jordan-Audio | google/fleurs | mozilla-foundation/common_voice_11_0

WER = 18.22

Training procedure

Training hyperparameters

  • learning_rate: 1e-05
  • train_batch_size: 32
  • 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: 500
  • training_steps: 10000 then 4000 for NADSOFT data
  • mixed_precision_training: Native AMP

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
fe082e8

0 моделей