/ Модель
Каталог

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
12 янв 2025

Ссылки

Hugging Face

whisper-large-v3-ami-1-merged

ntnu-smil
Распознавание речиАудио → текст

Дообученная на датасете AMI-1s-ft модель Whisper large-v3 для распознавания речи и транскрибации аудио.

116скачиваний за 30 дней0лайковвеса обновлены26 сен 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.

Открыть конструктор бенчмарка

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

ntnu-smil/whisper-large-v3-ami-1-merged — дообученная командой NTNU SMIL модель Whisper large-v3 от OpenAI для автоматического распознавания речи. Она предназначена для транскрибации аудио, в частности для сценариев, связанных с датасетом AMI-1s-ft. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors через библиотеку Transformers. В метаданных указан английский язык; базовая Whisper large-v3 также поддерживает мультиязычную транскрибацию и перевод аудио в текст.

Для модели приведены результаты оценки: WER 73,283 и CER 65,189. Эти значения указывают на заметные ошибки распознавания в указанной оценке, поэтому качество для конкретных аудио и условий записи следует проверять отдельно. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация английской речи из аудиозаписей
  • распознавание речи в записях, связанных с датасетом AMI
  • преобразование аудио в текст для последующего анализа

Ограничения

На указанной оценочной выборке WER составляет 73,283, а CER — 65,189, что свидетельствует о высоком уровне ошибок в этой оценке. Другие условия применимости и ограничения в карточке не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-ami-1

This model is a fine-tuned version of openai/whisper-large-v3 on the ntnu-smil/ami-1s-ft dataset. It achieves the following results on the evaluation set:

  • Loss: 3.6457
  • Wer: 73.2830
  • Cer: 65.1890
  • Decode Runtime: 3.7197
  • Wer Runtime: 0.0090
  • Cer Runtime: 0.0152

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: 7e-05
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 1024
  • optimizer: Use adamw_torch with betas=(0.9,0.98) and epsilon=1e-06 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 130

Training results

Training LossEpochStepValidation LossWerCerDecode RuntimeWer RuntimeCer Runtime
2.23650.0769103.210171.2225305.17205.74160.00990.0322
1.94640.1538203.167881.2843319.68755.83130.00980.0337
1.59940.2308303.0765106.4904341.36925.82200.01050.0351
1.13570.3077403.2982129.5330214.60705.61440.01020.0259
0.44040.3846503.463872.287198.64653.88300.00930.0179
0.32520.4615603.392765.109980.97293.76450.00910.0167
0.37131.0231703.480058.962949.38543.49500.00900.0142
0.25621.1803.596554.052231.35223.30130.00890.0130
0.18211.1769903.624170.432756.66933.62410.00890.0146
0.18471.25381003.672566.277550.45123.61750.00900.2387
0.22571.33081103.651864.869550.64083.53300.00900.0141
0.26721.40771203.646369.780259.89283.69170.00900.0146
0.25781.48461303.645773.283065.18903.71970.00900.0152

Framework versions

  • PEFT 0.14.0
  • Transformers 4.48.0
  • Pytorch 2.5.1
  • Datasets 3.2.0
  • Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
441664b

0 моделей

    Создать бенчмарк