/ Модель

Характеристики

Контекст
1 024 токена
Параметры
116 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
13 авг 2024

whisper-small-ru-pruned

Распознавание речиАудио → текст

Русскоязычная версия Whisper Small с сокращённым словарём для распознавания речи и преобразования аудио в текст.

16скачиваний 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 Whisper Small, подготовленная waveletdeboshir для автоматического распознавания речи. Модель принимает аудио и генерирует текстовую расшифровку; она рассчитана на задачи распознавания русской речи и может использоваться так же, как исходный Whisper.

Разработчик сократил словарь токенизатора, оставив наиболее частотные токены русского корпуса и часть общих и специальных токенов. В README указано, что обрезка выполнена без дополнительного дообучения; приведены результаты оценки на Golos и Common Voice. Метаданные указывают архитектуру WhisperForConditionalGeneration, библиотеку Transformers и 116,5 млн параметров. Модель распространяется по лицензии Apache-2.0.

Сокращённый словарь предназначен для русского языка, поэтому модель не подходит для многоязычного распознавания. README отмечает, что после обрезки качество на отдельных метриках и наборах данных отличается от исходного Whisper Small; для повышения качества предлагается дообучение на собственных данных.

Сценарии применения

  • расшифровка русскоязычных аудиозаписей
  • создание субтитров для русскоязычных видео
  • распознавание речи в голосовых сообщениях
  • транскрибирование русскоязычных записей интервью и встреч

Ограничения

Сокращённый словарь ориентирован на русский язык и не предназначен для многоязычного распознавания. В README приведены отличающиеся от исходного Whisper Small результаты WER и CER на тестовых наборах; модель не дообучалась после обрезки словаря.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper-small-ru-pruned

Model info

This is a pruned version of openai/whisper-small 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 15% less then original whisper-small:

openai/whisper-smallwaveletdeboshir/whisper-small-ru-pruned
n of parameters242 M205 M
n of parameters (with proj_out layer)281 M208 M
model file size967 Mb834 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-small-ru-pruned")
>>> model = WhisperForConditionalGeneration.from_pretrained("waveletdeboshir/whisper-small-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

metricdatasetopenai/whisper-smallwaveletdeboshir/whisper-small-ru-pruned
WER*golos-test-crowd0.33580.3471
CER*golos-test-crowd0.15610.1444
WER*common_voice_15_0_test0.17490.1748
WERcommon_voice_15_0_test0.24920.2498
*Metrics were computed after text normalization

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
0111641

0 моделей