/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
14 дек 2022

whisper-large-v2-ml

Распознавание речиАудио → текст6 профессий

Дообученная версия Whisper Large V2 для распознавания и транскрипции речи на малаялам.

576скачиваний за 30 дней1лайквеса обновлены15 дек 2022

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 Malayalam — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на корпусе Malayalam Speech Corpus от ICFOSS. Она преобразует аудиозаписи на малаялам в текст и предназначена для автоматической транскрипции речи. Архитектура — WhisperForConditionalGeneration; в модели 905,2 млн параметров.

В карточке приведены результаты оценки: WER 44,1379 и CER 9,6895. Эти показатели относятся к указанному набору оценки и не гарантируют такое же качество на других аудио. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • транскрибация записей речи на малаялам
  • распознавание малаяламской речи в аудиозаписях
  • создание текстовых расшифровок для аудио на малаялам

Ограничения

На приведённом наборе оценки WER составляет 44,1379, поэтому ошибки распознавания могут быть существенными. В README не описаны ограничения по типам аудио и условиям записи.

Для каких профессий подходит6

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 Malayalam

This model is a fine-tuned version of openai/whisper-large-v2 on the ICFOSS Malayalam Speech Corpus dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0617
  • Wer: 44.1379
  • Cer: 9.6895

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: 2
  • total_train_batch_size: 16
  • 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 LossWerCer
0.10710.135000.127462.988515.0225
0.06930.2610000.105257.471313.0696
0.0540.3915000.090248.046011.5173
0.04940.5120000.077446.436810.7912
0.04460.6425000.072246.896610.7161
0.04630.7730000.069946.206910.3405
0.03470.935000.066243.678210.2404
0.02331.0340000.068845.747110.4407
0.02261.1645000.064244.597710.1152
0.01941.2850000.061744.13799.6895

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
ffac98e

0 моделей