/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
11 дек 2022

whisper-large-v2-cantonese

Распознавание речиАудио → текст5 профессий

Дообученная на кантонских записях Common Voice версия Whisper Large V2 для преобразования речи в текст.

95скачиваний за 30 дней13лайковвеса обновлены30 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.

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

Whisper Large V2 Cantonese — дообученная Simonl0909 версия мультиязычной модели OpenAI Whisper Large V2 для автоматического распознавания речи на кантонском языке. Модель содержит 905,2 млн параметров и принимает аудио, выдавая его текстовую транскрипцию. Она обучена на кантонской части набора Common Voice 11.0; на оценочной выборке указаны CER 6,7274 и loss 0,2807. Базовая Whisper Large V2 также поддерживает транскрибацию и перевод речи, но для этой версии подтверждено распознавание речи.

Модель подходит для транскрибации кантонской речи в аудиозаписях и оценки качества распознавания на наборах данных. Репозиторий распространяется по лицензии Apache-2.0. Показатели на оценочной выборке не гарантируют такое же качество на других данных; README не описывает дополнительные ограничения.

Сценарии применения

  • транскрибация кантонской речи
  • распознавание речи в кантонских аудиозаписях
  • оценка качества кантонского ASR на тестовом наборе

Ограничения

Качество на других аудиозаписях может отличаться от указанного результата на оценочной выборке. README не приводит дополнительных сведений об ограничениях.

Для каких профессий подходит5

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 Large V2 Cantonese

This model is a fine-tuned version of openai/whisper-large-v2 on the mozilla-foundation/common_voice_11_0 yue dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2807
  • Cer: 6.7274

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: 8
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • 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 LossCer
0.003213.0110000.23186.8569
0.00226.0120000.24047.1524
0.000139.0230000.28076.7274
0.000153.0140000.29126.7517
0.066.0150000.29576.7638

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu117
  • Datasets 2.7.1.dev0
  • 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
c3f0671

0 моделей