/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
MIT
Архитектура
whisper · dense
Опубликована
28 фев 2024

indic_whisper_nodcil

Распознавание речиАудио → текст8 профессий

Дообученная на индийских языках модель Whisper для автоматической транскрибации аудио в текст.

251скачиваний за 30 дней11лайковвеса обновлены28 фев 2024

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

parthiv11/indic_whisper_nodcil — модель распознавания речи на основе Whisper, дообученная для индийских языков. Репозиторий содержит чекпойнт для использования и код обучения и оценки; заявлена поддержка ускоренного запуска через JAX на GPU и TPU наряду с форматом PyTorch. Модель имеет 455,8 млн параметров.

Модель предназначена для преобразования аудио в текст, в том числе для транскрибирования речи на хинди и других индийских языках. В README приводятся результаты сравнения на бенчмарках для хинди, но подробные результаты этой модели в доступной карточке не представлены. Лицензия — MIT.

Сценарии применения

  • транскрибация речи на хинди
  • распознавание индийских языков в аудиозаписях
  • создание текстовых расшифровок аудиофайлов
  • распознавание речи в исследовательских бенчмарках для хинди

Ограничения

В карточке приведены лишь общие заявления о качестве и ускорении; подробные результаты именно этого чекпойнта не указаны. Заявленная специализация — индийские языки, поэтому качество на других языках не подтверждено.

Для каких профессий подходит8

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

IndicWhisper With JAX (more faster)

IndicWhisper is a state-of-the-art speech recognition model fine-tuned on Indian languages. This repository contains the code for training and evaluating the model, as well as pre-trained checkpoints for immediate use.

Overview

IndicWhisper achieves impressive Word Error Rates (WERs) on various benchmarks for Indian languages. It outperforms other publicly available models, making it a valuable asset for speech recognition tasks in Indian languages.

Performance on Vistaar Benchmark (Hindi Subset)

ModelKathbathKathbath-HardFLEURSCommonVoiceIndicTTSMUCSGramvaaniAverage
Google STT14.316.719.420.818.317.859.923.9
IndicWav2vec12.216.218.320.21522.942.121
Azure STT13.615.124.314.615.215.142.320
Nvidia-medium1415.619.420.412.312.441.319.4
Nvidia-large12.714.215.721.212.211.842.618.6
IndicWhisper10.312.011.415.07.61226.813.6

Usage

New Feature: JAX Mode

We have recently added support for JAX mode, which significantly enhances performance on both TPUs and GPUs. This feature is particularly useful for high-performance computing environments and is optimized for speed and efficiency.

This repository provides an optimized JAX model for the Indic Whisper Model, built upon the foundation of the 🤗 Indic Whisper implementation by AI4 Bharat. The JAX implementation significantly enhances performance, running over 70x compared to the original Indic Whisper PyTorch code. This makes it the fastest Whisper implementation available.

from whisper_jax import FlaxWhisperForConditionalGeneration, FlaxWhisperPipline
import jax.numpy as jnp

pipeline = FlaxWhisperPipline('parthiv11/indic_whisper_nodcil', dtype=jnp.bfloat16)
transcript= pipeline('sample.mp3')

Acknowledgements

We would like to express our gratitude to the following organizations for their support:

  • EkStep Foundation for their generous grant, which facilitated the establishment of the Centre for AI4Bharat at IIT Madras.
  • The Ministry of Electronics and Information Technology (NLTM) for its grant to support the creation of datasets and models for Indian languages under the Bhashini project.
  • The Centre for Development of Advanced Computing, India (C-DAC), for providing access to the Param Siddhi supercomputer for training our models.
  • Microsoft for its grant to create datasets, tools, and resources for Indian languages.
  • For JAX guide on github

License

IndicWhisper and the associated Vistaar benchmark are MIT-licensed. This license applies to all the fine-tuned language models included in this repository.

Contributors

  • Kaushal Bhogale (AI4Bharat)
  • Sai Narayan Sundaresan (IITKGP, AI4Bharat)
  • Abhigyan Raman (AI4Bharat)
  • Tahir Javed (IITM, AI4Bharat)
  • Mitesh Khapra (IITM, AI4Bharat, RBCDSAI)
  • Pratyush Kumar (Microsoft, AI4Bharat)

Contributing

We welcome contributions from the community to further improve IndicWhisper. If you have any ideas, bug fixes, or enhancements, please feel free to submit a pull request.

Thank you for your interest in IndicWhisper! We hope it proves to be a valuable tool for your speech recognition needs in Indian languages.

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
361ebb0

0 моделей