/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
BSD 3-Clause
Архитектура
whisper · dense
Опубликована
18 фев 2024

PhoWhisper-small

Распознавание речиАудио → текст6 профессий

PhoWhisper-small — дообученная на вьетнамской речи модель Whisper для автоматической транскрибации аудио.

6 270скачиваний за 30 дней12лайковвеса обновлены12 ноя 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

PhoWhisper-small — модель автоматического распознавания речи для вьетнамского языка, разработанная Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это версия семейства PhoWhisper, полученная дообучением мультиязычной Whisper на 844-часовом наборе вьетнамской речи с разными акцентами. Архитектура — WhisperForConditionalGeneration; модель содержит 153,1 млн параметров и принимает аудио, выдавая текстовую расшифровку.

Модель предназначена для транскрибации вьетнамской речи, в том числе записей с различными акцентами. Авторы сообщают о передовых результатах на тестовых наборах для вьетнамского распознавания речи. Репозиторий содержит веса PyTorch и распространяется по лицензии BSD 3-Clause; для публикаций с использованием модели авторы просят цитировать статью PhoWhisper.

Сценарии применения

  • транскрибация записей речи на вьетнамском языке
  • распознавание вьетнамской речи с различными акцентами
  • преобразование вьетнамских аудиозаписей в текст

Ограничения

Модель предназначена для вьетнамского языка; её качество для других языков не заявлено. Результаты зависят от условий записи и могут различаться для акцентов и аудиоданных, не представленных в обучающем наборе.

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

PhoWhisper: Automatic Speech Recognition for Vietnamese

We introduce PhoWhisper in five versions for Vietnamese automatic speech recognition. PhoWhisper's robustness is achieved through fine-tuning the multilingual Whisper on an 844-hour dataset that encompasses diverse Vietnamese accents. Our experimental study demonstrates state-of-the-art performances of PhoWhisper on benchmark Vietnamese ASR datasets. Please cite our PhoWhisper paper when it is used to help produce published results or is incorporated into other software:

@inproceedings{PhoWhisper,
  title     = {{PhoWhisper: Automatic Speech Recognition for Vietnamese}},
  author    = {Thanh-Thien Le and Linh The Nguyen and Dat Quoc Nguyen},
  booktitle = {Proceedings of the ICLR 2024 Tiny Papers track},
  year      = {2024}
}

For further information or requests, please go to PhoWhisper's homepage!

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
a86b604

0 моделей