/ Модель

Характеристики

Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
24 фев 2023

whisper-small-ft-common-language-id

Классификация аудиоАудио → label8 профессий

Дообученная на Common Language модель Whisper Small определяет язык речи по аудио.

50скачиваний за 30 дней3лайкавеса обновлены18 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

Модель sanchit-gandhi/whisper-small-ft-common-language-id — дообученная Sanchit Gandhi версия Whisper Small от OpenAI для классификации аудио по языку речи. Она основана на архитектуре Whisper и обучена на датасете Common Language; в метаданных указано 153,1 млн параметров. На оценочной выборке модель достигла точности 0,8860 при значении loss 0,6409. Подходит для определения языка в аудиозаписях, например перед выбором подходящей системы распознавания речи. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение языка речи в аудиозаписи
  • маршрутизация аудио в подходящую систему распознавания речи
  • автоматическая классификация языков в коллекции аудиофайлов

Ограничения

На оценочной выборке указана точность 0,8860; результат может различаться для других аудиоданных. Карточка не описывает поддерживаемый перечень языков и условия оценки.

Для каких профессий подходит8

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

whisper-small-ft-common-language-id

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

  • Loss: 0.6409
  • Accuracy: 0.8860

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: 16
  • eval_batch_size: 16
  • seed: 0
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • 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 LossEpochStepValidation LossAccuracy
1.17671.06941.10630.7514
0.5822.013880.65950.8327
0.31723.020820.58870.8529
0.1964.027760.53320.8701
0.08585.034700.57050.8733
0.04776.041640.63110.8779
0.03537.048580.60110.8825
0.00338.055520.61860.8843
0.00719.062460.64090.8860
0.007410.069400.63340.8860

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
4cbfede

0 моделей