/ Модель
Каталог

Характеристики

Контекст
448 токенов
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Опубликована
14 сен 2023

Ссылки

Hugging Face

whisper-base-wolof

serge-wilson
Распознавание речиАудио → текст5 профессий

Дообученная версия Whisper Base для распознавания речи на волоф и преобразования аудио в текст.

230скачиваний за 30 дней0лайковвеса обновлены15 сен 2023

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

serge-wilson/whisper-base-wolof — дообученная на датасете Wolof версия Whisper Base от OpenAI для автоматического распознавания речи. Модель содержит 51,7 млн параметров и использует архитектуру WhisperForConditionalGeneration; опубликована в формате PyTorch.

Модель предназначена для преобразования аудио на волоф в текст. На оценочной выборке указаны значение потерь 0,2902 и WER 32,8385. Распознавание речи на волоф — основное подтверждённое назначение модели.

Модель распространяется по лицензии Apache-2.0. README не описывает состав обучающей выборки и практические ограничения; приведённая метрика WER указывает на возможные ошибки распознавания, поэтому результатам может требоваться проверка.

Сценарии применения

  • Расшифровка записей речи на волоф
  • Получение текстовых субтитров для аудио на волоф
  • Автоматическая транскрибация устных высказываний на волоф

Ограничения

На оценочной выборке указана ошибка WER 32,8385, поэтому транскрипции могут содержать существенные ошибки и нуждаться в проверке. Сведения о составе обучающей выборки и ограничениях в README отсутствуют.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.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 Base Wolof

This model is a fine-tuned version of openai/whisper-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2902
  • Wer: 32.8385

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: 8
  • 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: 4000

Training results

Training LossEpochStepValidation LossWer
0.56321.1410000.467248.8263
0.34642.2920000.346134.6403
0.25143.4330000.301332.1406
0.19574.5740000.290232.8385

Framework versions

  • Transformers 4.34.0.dev0
  • Pytorch 2.0.0
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
367356b

0 моделей

    Создать бенчмарк