/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
18 июн 2024

whisper-medium-300v3

Распознавание речиАудио → текст

Дообученная на audiofolder модель Whisper Medium для автоматической расшифровки речи в текст.

5скачиваний за 30 дней1лайквеса обновлены19 июн 2024

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

shane062/whisper-medium-300v3 — дообученная модель распознавания речи на базе OpenAI Whisper Medium. Она содержит 455,8 млн параметров, использует архитектуру WhisperForConditionalGeneration и сохранена в формате safetensors. Модель предназначена для преобразования аудио в текст; в метаданных указан набор данных audiofolder. Поддерживаемые языки и специальные сценарии использования в карточке не уточнены. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка аудиозаписей в текст
  • автоматическое распознавание речи

Ограничения

Карточка не содержит описания качества, оценки на тестах или конкретных ограничений; поддерживаемые языки не перечислены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-medium-300v3

This model was trained from scratch on the audiofolder dataset.

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: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 30
  • training_steps: 300

Training results

Training LossEpochStepValidation LossWer OrthoWer
0.029620.0600.545859.459556.7568
0.000140.01200.537843.243243.2432
0.000060.01800.536443.243243.2432
0.000080.02400.539043.243243.2432
0.0000100.02400.538943.243243.2432

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
04a57eb

0 моделей