/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
8 янв 2024

whisper-small-sw-common-voice

Распознавание речиАудио → текст4 профессии

Дообученная на базе Whisper-small модель для распознавания суахилийской речи и её преобразования в текст.

22скачиваний за 30 дней0лайковвеса обновлены8 янв 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

smutuvi/whisper-small-sw-common-voice — дообученная модель автоматического распознавания речи на базе openai/whisper-small. Она предназначена для преобразования аудиозаписей речи на суахили в текст. В README приведены результаты оценки: loss 0,4254 и WER 32,1287; подробности о наборе данных и условиях оценки не раскрыты.

Модель использует архитектуру Whisper и содержит 153,1 млн параметров. Базовая Whisper-small — мультиязычная модель для транскрибирования речи и перевода аудио на английский, однако эта версия дообучена для распознавания суахили. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование аудио на суахили
  • создание субтитров для суахилийской речи
  • распознавание суахилийской речи в записях интервью
  • преобразование суахилийских голосовых сообщений в текст

Ограничения

В README указана оценка WER 32,1287, но условия и набор данных для оценки подробно не описаны. Карточка не содержит сведений о других ограничениях модели.

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

whisper-small-sw-common-voice

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

  • Loss: 0.4254
  • Wer: 32.1287

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
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.45330.4310000.553347.3435
0.38030.8720000.458936.5991
0.22281.330000.440533.3701
0.21251.7440000.425432.1287

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.1+cu121
  • Datasets 2.16.1
  • Tokenizers 0.15.0

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
01aeb5b

0 моделей