/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
1 окт 2024

whisper-large-v3-ft-verbatim-cy-en

Распознавание речиАудио → текст3 профессии

Дообученная на валлийской речи версия Whisper large-v3 для более дословной транскрибации спонтанной и неподготовленной речи.

114скачиваний за 30 дней1лайквеса обновлены24 мар 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

Модель разработана Techiaith и представляет собой дообученную версию OpenAI Whisper large-v3 с 905,2 млн параметров. Она предназначена для распознавания речи на валлийском языке с сохранением особенностей спонтанной, неподготовленной речи. Для дообучения использованы транскрипции из Banc Trawsgrifiadau Bangor и Lleisiau Arfor, а также записи прочитанной речи из Welsh Common Voice 18 и Welsh Common Voice VAD Segments.

Модель принимает аудио и выдаёт текстовую транскрипцию. На тестовой выборке Banc Trawsgrifiadau Bangor указаны WER 28,99 и CER 10,27. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация спонтанной речи на валлийском языке
  • дословная расшифровка разговоров на валлийском
  • расшифровка валлийских аудиозаписей и интервью
  • распознавание валлийской речи для последующей текстовой обработки

Ограничения

На тестовой выборке Banc Trawsgrifiadau Bangor указаны WER 28,99 и CER 10,27; результаты на других наборах данных не приведены. Модель специализирована на валлийской речи, поэтому её пригодность для других языков не установлена.

Для каких профессий подходит3

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-large-v3-ft-verbatim-cy-en

This model is a version of openai/whisper-large-v3 finedtuned with transcriptions of Welsh language spontaneous speech from Banc Trawsgrifiadau Bangor (btb) and Lleisiau Arfor as well as recordings of read speech from Welsh Common Voice version 18 (cv) and Welsh Common Voice Vad Segments for additional training.

As such this model is suitable for more verbatim transcribing of spontaneous or unplanned speech. It achieves the following results on the Banc Trawsgrifiadau Bangor'r test set

  • WER: 28.99
  • CER: 10.27

Usage

from transformers import pipeline

transcriber = pipeline("automatic-speech-recognition", model="techiaith/whisper-large-v3-ft-btb-cv-cy")
result = transcriber(<path or url to soundfile>)
print (result)

{'text': 'ymm, yn y pum mlynadd dwitha 'ma ti 'di... Ie. ...bod drw dipyn felly do?'}

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
357e178

0 моделей