/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
5 окт 2024

whisper-large-v3-eu

Распознавание речиАудио → текст5 профессий

Дообученная на баскском языке модель Whisper large-v3 для точной транскрибации аудиозаписей.

109скачиваний за 30 дней1лайквеса обновлены26 фев 2025

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

xezpeleta/whisper-large-v3-eu — модель автоматического распознавания речи, созданная дообучением Whisper large-v3 от OpenAI для баскского языка (eu). Она принимает аудио и выдаёт его расшифровку текстом; использует архитектуру Whisper large-v3 и содержит около 905,2 млн параметров. Для обучения применён корпус asierhv/composite_corpus_eu_v2.1.

Модель предназначена для транскрибации баскской речи, в том числе для профессиональных сервисов и приложений, где важна точность. В README указаны WER 6,5443 на валидационной выборке обучающего корпуса и WER 4,84 на Mozilla Common Voice 18.0. Лицензия — Apache-2.0.

Качество распознавания зависит от записи: фоновый шум и плохие условия могут ухудшить результат; возможны ошибки на диалектной и неформальной речи, сложных конструкциях и редких словах. Большой размер модели требует существенных вычислительных ресурсов и ограничивает применение на устройствах с малой мощностью и в сценариях реального времени.

Сценарии применения

  • транскрибация записей на баскском языке
  • распознавание баскской речи в профессиональных сервисах
  • создание приложений для голосового ввода на баскском
  • подготовка текстовых расшифровок для исследований баскской речи

Ограничения

Качество может снижаться из-за шума, плохой записи, диалектной или неформальной речи и редких слов; модель может ошибаться. Для работы требуются значительные вычислительные ресурсы, поэтому она менее подходит для устройств с ограниченными ресурсами и обработки в реальном времени.

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

Whisper Large v3 Basque

This model is a fine-tuned version of openai/whisper-large-v3 specifically for Basque (eu) language Automatic Speech Recognition (ASR). It was trained on the asierhv/composite_corpus_eu_v2.1 dataset, which is a composite corpus designed to improve Basque ASR performance.

Key improvements and results compared to the base model:

  • Significant WER reduction: The fine-tuned model achieves a Word Error Rate (WER) of 6.5443 on the validation set of the asierhv/composite_corpus_eu_v2.1 dataset, demonstrating a substantial improvement in accuracy for Basque speech.
  • Exceptional performance on Common Voice: When evaluated on the Mozilla Common Voice 18.0 dataset, the model achieved a WER of 4.84. This showcases the model's outstanding ability to generalize to diverse Basque speech datasets, and highlights the high accuracy achievable with the large-v3 model.

Model description

This model leverages the whisper-large-v3 architecture, the most powerful variant of the Whisper models, known for its exceptional accuracy in multilingual speech recognition. By fine-tuning this model on a dedicated Basque speech corpus, it achieves state-of-the-art performance in Basque ASR. The whisper-large-v3 model offers the highest capacity and therefore the highest accuracy, but requires significantly more computational resources.

Intended uses & limitations

Intended uses:

  • Ultra-high-accuracy automatic transcription of Basque speech for critical applications.
  • Development of cutting-edge Basque speech-based applications demanding the highest possible precision.
  • Research in Basque speech processing requiring the most accurate transcriptions.
  • Professional transcription services and applications where accuracy is paramount and computational resources are available.
  • Use in scenarios where the highest possible accuracy is required, and the computational cost is justifiable.

Limitations:

  • Performance is still influenced by audio quality, with challenges arising from background noise and poor recording conditions.
  • Accuracy may be affected by highly dialectal or informal Basque speech, although the large model mitigates this to a great degree.
  • Despite its high performance, the model may still produce errors, particularly with complex linguistic structures or rare words.
  • The large-v3 model demands substantial computational resources, making it less suitable for real-time or resource-constrained applications.

Training and evaluation data

  • Training dataset: asierhv/composite_corpus_eu_v2.1. This dataset is a comprehensive and meticulously curated collection of Basque speech data, designed to maximize the performance of Basque ASR systems.
  • Evaluation Dataset: The test split of asierhv/composite_corpus_eu_v2.1.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 4.375e-06
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • training_steps: 20000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.28540.0255000.419425.8898
0.14250.0510000.392320.5071
0.21990.07515000.329117.4785
0.23430.120000.286114.1314
0.13910.12525000.290613.3134
0.08530.1530000.268812.0457
0.08660.17535000.257511.4712
0.13110.240000.247212.4828
0.13380.22545000.243710.9904
0.07480.2550000.255710.7094
0.08210.27555000.259710.2473
0.09880.360000.24079.4480
0.08240.32565000.24259.2232
0.06780.3570000.23019.1358
0.11240.37575000.25599.3231
0.11220.480000.22408.5238
0.04770.42585000.23798.3177
0.06380.4590000.23548.9484
0.07350.47595000.22318.3989
0.05480.5100000.23308.5737
0.05570.525105000.21338.3614
0.06260.55110000.20848.2865
0.04720.575115000.23318.0742
0.06360.6120000.21187.9618
0.04660.625125000.21267.4685
0.06040.65130000.21607.6558
0.05440.675135000.21877.9993
0.070.7140000.21177.4372
0.05340.725145000.13817.0438
0.0460.75150000.14967.0813
0.0660.775155000.15257.0001
0.06320.8160000.14086.6817
0.04370.825165000.14756.5942
0.04780.85170000.15736.7941
0.04180.875175000.15656.6504
0.03820.9180000.15596.5630
0.06580.925185000.14526.5630
0.05310.95190000.15766.6629
0.04160.975195000.15506.5443
0.04351.0200000.15496.5443

Framework versions

  • Transformers 4.49.0.dev0
  • Pytorch 2.6.0+cu124
  • Datasets 3.3.1.dev0
  • Tokenizers 0.21.0

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
777215d

0 моделей