/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
2 мая 2024

whisper-small-cantonese_02-05-2024-1727

Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice 17.0 модель Whisper Small для распознавания кантонской речи и преобразования её в текст.

12скачиваний за 30 дней0лайковвеса обновлены2 мая 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

Это дообученная модель автоматического распознавания речи на основе openai/whisper-small, созданная для транскрибирования кантонского языка. Она обучена на датасете Common Voice 17.0 и использует архитектуру Whisper с 153,1 млн параметров. В README приведён результат оценки: WER 55,5764 и loss 0,2823; значение WER указывает на заметные ошибки распознавания, поэтому качество транскрипции может быть ограниченным.

Модель принимает аудио и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не сообщает дополнительных сведений о контексте применения или ограничениях.

Сценарии применения

  • транскрибирование записей на кантонском языке
  • распознавание кантонской речи из аудиофайлов
  • подготовка черновых субтитров для кантонских аудиозаписей

Ограничения

В README указана метрика WER 55,5764 на оценочном наборе, что указывает на существенные ошибки распознавания. Результаты на других типах аудио и в иных условиях не описаны.

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

Whisper Small Cantanese

This model is a fine-tuned version of openai/whisper-small on the Common Voice 17.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2823
  • Wer: 55.5764

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.1161.390810000.252259.0687
0.04182.781620000.250457.7169
0.00654.172530000.270256.1772
0.00315.563340000.282355.5764

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
775b098

0 моделей