/ Модель

Характеристики

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

whisper-telugu-large-v2

Распознавание речиАудио → текст7 профессий

Дообученная версия Whisper Large-v2 для автоматической транскрипции аудио на телугу.

760скачиваний за 30 дней11лайковвеса обновлены24 апр 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 Telugu Large-v2 — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на телугуязычных данных. Она разработана в рамках Whisper fine-tuning sprint с использованием нескольких общедоступных корпусов распознавания речи. Модель принимает аудио и генерирует текстовую транскрипцию на телугу.

Архитектура — WhisperForConditionalGeneration, число параметров — около 905,2 млн. Доступны веса PyTorch и Flax; в карточке также упоминается использование whisper_jax для оценки модели. Для обучения использовались корпуса CSTD IIIT-H, ULCA, Shrutilipi, Microsoft Speech Corpus (Indian Languages), Google/Fleurs и Babel. Оценка проводилась на тестовых данных Microsoft Speech Corpus, Google/Fleurs, OpenSLR и Babel.

Модель предназначена для автоматической транскрипции речи на телугу. Карточка не приводит метрик качества или сведений о поддержке других языков. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей речи на телугу
  • распознавание телугуязычных аудиозаписей
  • подготовка текстовых расшифровок для поиска по аудио
  • оценка систем распознавания речи на корпусах телугу

Ограничения

Карточка не приводит метрик качества и не подтверждает пригодность для языков помимо телугу. Качество может зависеть от условий записи и соответствия аудио обучающим корпусам.

Для каких профессий подходит7

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 Telugu Large-v2

This model is a fine-tuned version of openai/whisper-large-v2 on the Telugu data available from multiple publicly available ASR corpuses. It has been fine-tuned as a part of the Whisper fine-tuning sprint.

NOTE: The code used to train this model is available for re-use in the whisper-finetune repository.

Usage

In order to evaluate this model on an entire dataset, the evaluation codes available in the whisper-finetune repository can be used.

The same repository also provides the scripts for faster inference using whisper-jax.

In order to infer a single audio file using this model, the following code snippet can be used:

>>> import torch
>>> from transformers import pipeline

>>> # path to the audio file to be transcribed
>>> audio = "/path/to/audio.format"
>>> device = "cuda:0" if torch.cuda.is_available() else "cpu"

>>> transcribe = pipeline(task="automatic-speech-recognition", model="vasista22/whisper-telugu-large-v2", chunk_length_s=30, device=device)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="te", task="transcribe")

>>> print('Transcription: ', transcribe(audio)["text"])

For faster inference of whisper models, the whisper-jax library can be used. Please follow the necessary installation steps as mentioned here, before using the following code snippet:

>>> import jax.numpy as jnp
>>> from whisper_jax import FlaxWhisperForConditionalGeneration, FlaxWhisperPipline

>>> # path to the audio file to be transcribed
>>> audio = "/path/to/audio.format"

>>> transcribe = FlaxWhisperPipline("vasista22/whisper-telugu-large-v2", batch_size=16)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="te", task="transcribe")

>>> print('Transcription: ', transcribe(audio)["text"])

Training and evaluation data

Training Data:

Evaluation Data:

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.75e-05
  • train_batch_size: 8
  • eval_batch_size: 32
  • seed: 22
  • optimizer: adamw_bnb_8bit
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 22000
  • training_steps: 75000
  • mixed_precision_training: True

Acknowledgement

This work was done at Speech Lab, IIT Madras.

The compute resources for this work were funded by "Bhashini: National Language translation Mission" project of the Ministry of Electronics and Information Technology (MeitY), Government of India.

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
ba19a24

0 моделей