/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small-cantonese_02-05-2024-1727
Опубликована
7 мая 2024

whisper-small-cantonese_07-05-2024-2200

Распознавание речиАудио → текст4 профессии

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

12скачиваний за 30 дней0лайковвеса обновлены8 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

poppysmickarlili/whisper-small-cantonese_07-05-2024-2200 — дообученная модель автоматического распознавания речи на базе Whisper Small, разработанная poppysmickarlili. Она обучена на наборе Common Voice 17.0 и предназначена для преобразования кантонской речи в текст. Архитектура — WhisperForConditionalGeneration с 153,1 млн параметров; модель принимает аудио и выдаёт текст. Репозиторий содержит веса в формате safetensors.

На оценочной выборке указаны loss 0,3536 и WER 57,3413, что свидетельствует о заметных ошибках распознавания и требует проверки на целевых аудиоданных перед применением. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование записей на кантонском языке
  • распознавание кантонской речи в аудиозаписях
  • создание черновых субтитров для кантонского аудио

Ограничения

На оценочной выборке указана WER 57,3413, поэтому качество распознавания может быть ограниченным; перед практическим использованием стоит оценить модель на целевых аудиозаписях. Описание обучения и ограничений в README не раскрывает дополнительных деталей.

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 poppysmickarlili/whisper-small-cantonese_02-05-2024-1727 on the Common Voice 17.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3536
  • Wer: 57.3413

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
0.01681.390810000.328059.7446
0.00462.781620000.346058.9185
0.00054.172530000.350457.1911
0.00025.563340000.353657.3413

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.2.0
  • Datasets 2.19.1
  • 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
525506b

0 моделей