Характеристики

Параметры: 51,7 млн
Лицензия: Apache 2.0
Архитектура: whisper · dense
Опубликована: 24 фев 2023

Ссылки

Hugging Face

whisper-base-ft-common-language-id

sanchit-gandhi

Классификация аудиоАудио → label8 профессий

Дообученная Whisper Base определяет язык по аудиозаписи.

47скачиваний за 30 дней4лайкавеса обновлены12 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 OpenAI Whisper Base для классификации аудио по языку. Она обучена на наборе данных Common Language и предназначена для определения языка по аудиозаписи. Архитектура — WhisperForAudioClassification, размер — 51,7 млн параметров; модель принимает аудио и выдаёт метку класса. В оценке на тестовой выборке указаны loss 1,0725 и accuracy 0,7525. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение языка в аудиозаписи
автоматическая сортировка аудиозаписей по языку
предварительная классификация аудио перед распознаванием речи

Ограничения

На оценочной выборке точность составила 0,7525; качество может быть недостаточным для уверенного определения языка во всех условиях записи. Сведения о поддерживаемом наборе языков и ограничениях применения в карточке не приведены.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-base-ft-common-language-id

This model is a fine-tuned version of openai/whisper-base on the common_language dataset. It achieves the following results on the evaluation set:

Loss: 1.0725
Accuracy: 0.7525

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: 0
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 10.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.5291	1.0	694	2.4787	0.4806
1.5801	2.0	1388	1.6258	0.6260
1.0144	3.0	2082	1.2886	0.6816
0.7442	4.0	2776	1.0783	0.7237
0.4802	5.0	3470	1.0582	0.7266
0.3378	6.0	4164	1.0173	0.7417
0.1941	7.0	4858	1.0054	0.7446
0.1424	8.0	5552	1.0213	0.7508
0.1242	9.0	6246	1.0567	0.7495
0.1527	10.0	6940	1.0725	0.7525

Framework versions

Transformers 4.27.0.dev0
Pytorch 1.13.1
Datasets 2.9.0
Tokenizers 0.13.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: WhisperForAudioClassification
Ревизия весов: aabd6dc