/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
8 дек 2022

whisper-large-v2-jp

Распознавание речиАудио → текст6 профессий

Дообученная на японской речи модель Whisper large-v2 для транскрибации аудио в текст.

22скачиваний за 30 дней11лайковвеса обновлены12 сен 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

vumichien/whisper-large-v2-jp — дообученная модель распознавания речи на основе Whisper large-v2 от OpenAI. Она обучена на японской части набора Mozilla Common Voice 11.0 и предназначена для преобразования японской речи в текст. Архитектура WhisperForConditionalGeneration содержит около 905,2 млн параметров; модель принимает аудио и выдаёт текст. В README приведены результаты оценки на тестовой выборке: WER 8,1166 и CER 5,0032. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • транскрибация записей на японском языке
  • распознавание японской речи в аудиофайлах
  • создание японских субтитров по аудиозаписи

Ограничения

В README нет подробных сведений об ограничениях и сценариях применения. Результаты WER и CER приведены для тестовой выборки Common Voice 11.0 и могут не отражать качество на других типах аудио.

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

openai/whisper-large-v2

This model is a fine-tuned version of openai/whisper-large-v2 on the mozilla-foundation/common_voice_11_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2352
  • Wer: 8.1166
  • Cer: 5.0032

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: 8
  • 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: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.08970.110000.188411.00686.6992
0.03960.220000.17499.73995.9350
0.0361.130000.16989.14195.6781
0.0121.240000.18499.30415.7661
0.01512.0950000.18799.19595.6761
0.00472.1960000.20978.67065.4422
0.00463.0970000.20408.82775.4717
0.00153.1980000.22608.49495.3101
0.00134.0990000.23398.37165.1471
0.00054.19100000.23528.11665.0032

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
5327a56

0 моделей