/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
23 ноя 2024

whisper-tiny-german-1224

Распознавание речиАудио → текст7 профессий

Компактная модель Whisper для распознавания немецкой речи и преобразования её в текст.

121скачиваний за 30 дней16лайковвеса обновлены26 мая 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.

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

Модель primeline/whisper-tiny-german-1224 — модель распознавания речи на архитектуре Whisper tiny, разработанная Флорианом Циммермайстером. Она предназначена для преобразования немецкой речи в текст: например, для расшифровки записей, автоматического создания субтитров, голосового управления, голосового поиска и диктовки.

Модель содержит 29,4 млн параметров по метаданным каталога; в README для семейства Whisper tiny приведена оценка 39 млн параметров. Для обучения использовали около 6000 часов немецкой речи из публичных, проприетарных и синтетических источников. Модель поддерживает входное аудио и выдаёт текст; в метаданных указаны форматы ONNX и safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка немецких аудиозаписей
  • создание субтитров к видео на немецком языке
  • распознавание голосовых команд на немецком
  • голосовой поиск на немецком языке
  • диктовка немецкого текста

Ограничения

В README не приведены численные результаты оценки word error rate, поэтому качество распознавания по ним оценить нельзя. Обучающие данные включают проприетарные и синтетические источники, а их состав подробно не раскрыт.

Для каких профессий подходит7

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 card provides information about a model based on the tiny whisper architecture that has been trained for speech recognition in German.

Whisper is a powerful speech recognition platform developed by OpenAI.

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

Evaluations - Word error rate

+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| Model                                   |   All |   Tuda-De |   multilingual librispeech |   common_voice_19_0 |
+=========================================+=======+===========+============================+=====================+
| openai-whisper-large-v3                 |  3.28 |      7.86 |                       2.85 |                3.46 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-large-v3-turbo           |  3.64 |      8.20 |                       3.19 |                3.85 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-medium                   |  5.49 |     11.13 |                       5.04 |                5.53 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| primeline-whisper-tiny-german-1224      |  6.26 |      9.62 |                       4.97 |                8.46 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-small                    |  9.54 |     15.94 |                       8.77 |               10.15 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-base                     | 18.75 |     33.58 |                      17.15 |               19.74 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-tiny                     | 28.80 |     47.33 |                      26.47 |               30.76 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
SizeParameters
tiny39 M
base74 M
small244 M
medium769 M
large1550 M
large-v21550 M

The results are calculated in December 2024 and may change over the time with updates to the eval corpus.

For always the newest results please check the code and dataset page.

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.

The dataset size is about 6.000 hours of public, proprietary and synthetic data.

Training process

The training of the model was performed with the following hyperparameters

  • Batch size: 32768
  • Epochs: 48
  • Learning rate: 1e-4
  • 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-tiny-german-1224"
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
620446e

0 моделей