/ Модель

Характеристики

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

whisper-large-v2-mix-jp

Распознавание речиАудио → текст5 профессий

Дообученная на японских речевых данных модель Whisper large-v2 для транскрибации речи в текст.

43скачиваний за 30 дней9лайковвеса обновлены11 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-mix-jp — дообученная пользователем vumichien модель распознавания речи на базе OpenAI Whisper large-v2. Она предназначена для преобразования японской речи в текст; дообучение проведено на наборе vumichien/preprocessed_jsut_jsss_css10_common_voice_11. Архитектура WhisperForConditionalGeneration, около 905,2 млн параметров. В README приведены результаты оценки: WER 7,6453 и CER 4,7187, но описание тестового набора и условий оценки отсутствует. Модель принимает аудио и выдаёт текст. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация японской речи в текст
  • распознавание японской речи из записей
  • создание субтитров к японским аудио и видео
  • оценка качества автоматического распознавания японской речи

Ограничения

README не описывает условия оценки, поэтому приведённые WER и CER нельзя уверенно переносить на другие аудиоданные. Модель специализирована на японской речи; качество на других языках не установлено.

Для каких профессий подходит5

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 vumichien/preprocessed_jsut_jsss_css10_common_voice_11 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2284
  • Wer: 7.6453
  • Cer: 4.7187

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
0.19120.5510000.182811.23147.0357
0.13291.120000.16189.41725.9028
0.09121.6530000.16168.92575.4711
0.05762.240000.16648.58615.3055
0.04492.7450000.16428.45105.2930
0.023.2960000.17998.15375.0354
0.0193.8470000.18018.1255.0827
0.00674.3980000.20037.84124.8133
0.0064.9490000.20717.58114.7023
0.00225.49100000.22847.64534.7187

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
7eb32cf

0 моделей