/ Модель

Характеристики

Контекст
1 024 токена
Параметры
27,3 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
12 авг 2024

whisper-base-ru-pruned

Распознавание речиАудио → текст

Русскоязычная версия Whisper base с сокращённым словарём для распознавания речи из аудио.

23скачиваний за 30 дней0лайковвеса обновлены2 сен 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

Это русскоязычная версия OpenAI Whisper base, сокращённая автором waveletdeboshir удалением большей части токенов словаря без последующего дообучения. Модель предназначена для автоматического распознавания русской речи по аудио; использовать её можно так же, как исходный Whisper.

Из словаря оставлены специальные токены Whisper, 200 наиболее популярных токенов и 4000 наиболее популярных токенов, полученных на корпусе русского текста. README сообщает, что качество сопоставимо с Whisper base, а размер файла уменьшен примерно на 30% — до 201 МБ. Метаданные указывают архитектуру WhisperForConditionalGeneration и 27,3 млн параметров. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация русскоязычных записей
  • распознавание речи в аудиофайлах
  • подготовка русских субтитров по аудио
  • дообучение распознавателя речи на собственных данных

Ограничения

Словарь сокращён без последующего дообучения; языковые и временные токены Whisper удалены, кроме специальных токенов, перечисленных автором. Заявленный уровень метрик сопоставим с Whisper base, но README не приводит сами метрики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper-base-ru-pruned

Model info

This is a pruned version of openai/whisper-base model with only russian tokens left. Pruning was made without any fine-tuning. Method from this post was used.

Size

Only 10% tokens was left including special whisper tokens (no language tokens except <|ru|> and <|en|>, no timestamp tokens), 200 most popular tokens from tokenizer and 4000 most popular Russian tokens computed by tokenization of russian text corpus.

Model size is 30% less then original whisper-base:

openai/whisper-basewaveletdeboshir/whisper-base-ru-pruned
n of parameters74 M48 M
n of parameters (with proj_out layer)99 M50 M
model file size290 Mb201 Mb
vocab_size518654207

Usage

Model can be used as an original whisper:

>>> from transformers import WhisperProcessor, WhisperForConditionalGeneration
>>> import torchaudio

>>> # load audio
>>> wav, sr = torchaudio.load("audio.wav")

>>> # load model and processor
>>> processor = WhisperProcessor.from_pretrained("waveletdeboshir/whisper-base-ru-pruned")
>>> model = WhisperForConditionalGeneration.from_pretrained("waveletdeboshir/whisper-base-ru-pruned")

>>> input_features = processor(wav[0], sampling_rate=sr, return_tensors="pt").input_features 

>>> # generate token ids
>>> predicted_ids = model.generate(input_features)
>>> # decode token ids to text
>>> transcription = processor.batch_decode(predicted_ids, skip_special_tokens=False)
['<|startoftranscript|><|ru|><|transcribe|><|notimestamps|> Начинаем работу.<|endoftext|>']

The context tokens can be removed from the start of the transcription by setting skip_special_tokens=True.

Other pruned whisper models

Metrics

Metrics for this model are on the same level as for openai/whisper-base.

You can fine-tune this model on your data to achive better performance.

Colab for vocab pruning

Check https://github.com/waveletdeboshir/whisper-lang-remover

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
61944f1

0 моделей