/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
17 дек 2022

Ссылки

Hugging Face

whisper-tiny-french-cased

qanastek
Распознавание речиАудио → текст5 профессий

Дообученная на французской речи модель Whisper Tiny для автоматической расшифровки аудио в текст.

574скачиваний за 30 дней4лайкавеса обновлены17 дек 2022

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.

Открыть конструктор бенчмарка

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

qanastek/whisper-tiny-french-cased — дообученная модель распознавания речи на базе openai/whisper-tiny, созданная для французского языка на данных Mozilla Common Voice 11.0. Модель построена на архитектуре Whisper и содержит 29,4 млн параметров; репозиторий предоставляет веса PyTorch. Она преобразует аудио в текст и подходит для расшифровки французской речи, в том числе записей, похожих на данные Common Voice.

В README приведены результаты оценки: WER 33,0655 на французской части Common Voice 11.0, 36,69 на французском FLEURS и 32,71 на французском VoxPopuli. Эти значения указывают на заметные ошибки распознавания, поэтому для задач с высокими требованиями к точности результатам потребуется проверка. Лицензия модели — Apache-2.0.

Сценарии применения

  • расшифровка французских аудиозаписей
  • создание французских субтитров
  • транскрибирование примеров речи для Common Voice
  • распознавание французской речи в записях и диктовках

Ограничения

По оценке на Common Voice 11.0, FLEURS и VoxPopuli WER составляет примерно 32,7–36,7%, поэтому распознанный текст может содержать существенные ошибки. README не сообщает дополнительных ограничений или условий обучения.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Tiny French Cased

This model is a fine-tuned version of openai/whisper-tiny on the mozilla-foundation/common_voice_11_0 fr dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6509
  • Wer on mozilla-foundation/common_voice_11_0 fr: 33.0655
  • Wer on google/fleurs fr_fr: 36.69
  • Wer on facebook/voxpopuli fr: 32.71

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: 32
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.71850.210000.760838.1636
0.60521.220000.694934.9513
0.44672.230000.670834.3393
0.47733.240000.653633.2102
0.44794.250000.650933.0655

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.11.0+cu102
  • Datasets 2.7.1.dev0
  • Tokenizers 0.13.2

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
3e9dacd

0 моделей

    Создать бенчмарк