/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-german
Библиотека
transformers
Опубликована
2 окт 2024

whisper-large-v3-turbo-german

Распознавание речиАудио → текст6 профессий

Дообученная модель Whisper для транскрибации немецкой речи и преобразования немецкого аудио в текст.

272 тыс.скачиваний за 30 дней67лайковвеса обновлены3 дек 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

primeline/whisper-large-v3-turbo-german — модель распознавания речи на основе Whisper Large v3 Turbo, дообученная Флорианом Циммермайстером для немецкой речи. Она предназначена для транскрибации немецкого аудио, создания субтитров, голосового управления, поиска по голосовым запросам и диктовки.

Модель использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров по метаданным. Для обучения использовались немецкие речевые данные из нескольких источников; в карточке приведены оценки частоты ошибок слов на нескольких наборах данных. Модель принимает аудио и выдаёт текст, рассчитана на немецкий язык. Лицензия — Apache-2.0.

Качество распознавания зависит от аудио и задачи: в приведённых оценках результаты различаются между наборами данных, а на некоторых тестах другие модели показывают меньшую частоту ошибок. Метаданные указывают на дообучение primeline/whisper-large-v3-german.

Сценарии применения

  • транскрибация немецкой речи
  • создание немецких субтитров для видео
  • распознавание немецких голосовых команд
  • поиск по немецким голосовым запросам
  • диктовка немецкого текста

Ограничения

Результаты оценок различаются в зависимости от набора данных; в карточке на некоторых тестах приведены модели с меньшей частотой ошибок слов.

Для каких профессий подходит6

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

Summary

This model map provides information about a model based on Whisper Large v3 that has been fine-tuned for speech recognition in German. Whisper is a powerful speech recognition platform developed by OpenAI. This model has been specially optimized for processing and recognizing German speech.

Applications

This model can be used in various application areas, including

  • Transcription of spoken German language
  • Voice commands and voice control
  • Automatic subtitling for German videos
  • Voice-based search queries in German
  • Dictation functions in word processing programs

Model family

ModelParameterslink
Whisper large v3 german1.54Blink
Whisper large v3 turbo german809Mlink
Distil-whisper large v3 german756Mlink
tiny whisper37.8Mlink

Evaluations - Word error rate

Datasetopenai-whisper-large-v3-turboopenai-whisper-large-v3primeline-whisper-large-v3-germannyrahealth-CrisperWhisper (large)primeline-whisper-large-v3-turbo-german
Tuda-De8.3007.8847.7115.1486.441
common_voice_19_03.8493.4843.2151.9273.200
multilingual librispeech3.2032.8322.1292.8152.070
All3.6493.2792.7342.6622.628

The data and code for evaluations are available here

Training data

The training data for this model includes a large amount of spoken German from various sources. The data was carefully selected and processed to optimize recognition performance.

Training process

The training of the model was performed with the following hyperparameters

  • Batch size: 12288
  • Epochs: 3
  • Learning rate: 1e-6
  • Data augmentation: No
  • Optimizer: Ademamix

How to use

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from datasets import load_dataset
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "primeline/whisper-large-v3-turbo-german"
model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)
processor = AutoProcessor.from_pretrained(model_id)
pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    return_timestamps=True,
    torch_dtype=torch_dtype,
    device=device,
)
dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
sample = dataset[0]["audio"]
result = pipe(sample)
print(result["text"])

About us

primeline AI

Your partner for AI infrastructure in Germany

Experience the powerful AI infrastructure that drives your ambitions in Deep Learning, Machine Learning & High-Performance Computing.

Optimized for AI training and inference.

Model author: Florian Zimmermeister

Disclaimer

This model is not a product of the primeLine Group. 

It represents research conducted by [Florian Zimmermeister](https://huggingface.co/flozi00), with computing power sponsored by primeLine. 

The model is published under this account by primeLine, but it is not a commercial product of primeLine Solutions GmbH.

Please be aware that while we have tested and developed this model to the best of our abilities, errors may still occur. 

Use of this model is at your own risk. We do not accept liability for any incorrect outputs generated by this model.

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
9e7012d

0 моделей