/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
11 дек 2022

whisper-medium-ko-zeroth

Распознавание речиАудио → текст4 профессии

Дообученная на Zeroth Korean модель Whisper для распознавания корейской речи и её транскрибации в текст.

69скачиваний за 30 дней18лайковвеса обновлены21 окт 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

seastar105/whisper-medium-ko-zeroth — дообученная модель распознавания речи на основе openai/whisper-medium, созданная для корейского языка. Она обучена на наборе данных Zeroth Korean и предназначена для преобразования корейской речи в текст. В карточке приведены результаты на наборе оценки: WER 3,6440 и CER 1,4840; размер модели — 455,8 млн параметров, формат весов — PyTorch.

Модель подходит для транскрибации корейской речи в сценариях, близких к данным Zeroth Korean. Автор указывает, что существуют другие дообученные модели с ожидаемо более высокой точностью, и рекомендует их вместо этой. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудио на корейском языке
  • распознавание корейской речи в записях
  • создание текстовых расшифровок корейского аудио

Ограничения

Автор рекомендует предпочесть другие дообученные модели, от которых ожидается более высокая точность. Оценочные показатели приведены для Zeroth Korean и могут не отражать качество на иных аудиоданных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

적지 않은 분들이 다운로드하셔서 사용하는 걸로 보입니다. https://huggingface.co/seastar105/whisper-medium-komixv2 에 더 좋은 정확도를 기대 가능한 파인튜닝 모델이 있으므로 이쪽을 추천합니다.

Whisper Medium Korean

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

  • Loss: 0.0727
  • Wer: 3.6440
  • Cer: 1.4840

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: 5e-06
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • 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 LossWerCer
0.08730.7210000.10867.75492.5597
0.02581.4420000.08054.54751.7588
0.00912.1630000.07193.79461.5664
0.00862.8840000.07043.55371.5232
0.00193.5950000.07273.64401.4840

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0a0+d0d6b1f
  • Datasets 2.7.1
  • 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
f6409fa

0 моделей