/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
21 июл 2023

whisper-medium-eu

Распознавание речиАудио → текст5 профессий

Дообученная версия Whisper Medium для транскрибации баскской речи в текст.

90скачиваний за 30 дней0лайковвеса 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-medium-eu — модель автоматического распознавания речи, разработанная дообучением Whisper Medium от OpenAI на корпусе asierhv/composite_corpus_eu_v2.1. Модель на архитектуре Whisper содержит 455,8 млн параметров и предназначена прежде всего для транскрибации речи на баскском языке в текст.

В карточке сообщается, что модель достигла WER 9,1045 на валидационной выборке обучающего корпуса и WER 7,14 на Mozilla Common Voice 18.0. Её применяют для профессиональной транскрибации и разработки приложений с распознаванием баскской речи. Модель доступна под лицензией Apache-2.0.

Точность зависит от качества записи: шум, диалектная и неформальная речь, редкие слова и сложные языковые конструкции могут приводить к ошибкам. По сравнению с меньшими вариантами Whisper Medium требует больше вычислительных ресурсов и работает медленнее.

Сценарии применения

  • транскрибация баскской речи
  • подготовка расшифровок для профессиональных услуг
  • распознавание речи в приложениях на баскском языке
  • оценка и исследование систем распознавания баскской речи

Ограничения

Качество распознавания снижается при шуме и плохих записях, а также на диалектной или неформальной речи, редких словах и сложных конструкциях. Модель требует больше вычислительных ресурсов и работает медленнее меньших вариантов Whisper.

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 Medium Basque

This model is a fine-tuned version of openai/whisper-medium 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 9.1045 on the validation set of the asierhv/composite_corpus_eu_v2.1 dataset, demonstrating improved accuracy compared to the base whisper-medium model for Basque.
  • Performance on Common Voice: When evaluated on the Mozilla Common Voice 18.0 dataset, the model achieved a WER of 7.14. This indicates strong generalization capabilities and highlights the benefits of the medium-sized model for enhanced accuracy.

Model description

This model utilizes the whisper-medium architecture, which offers a substantial increase in capacity compared to smaller variants, leading to improved accuracy. By fine-tuning this model on a dedicated Basque speech corpus, it specializes in accurately transcribing Basque speech. The whisper-medium model strikes a balance between high accuracy and manageable computational requirements.

Intended uses & limitations

Intended uses:

  • High-precision automatic transcription of Basque speech for professional and research applications.
  • Development of advanced Basque speech-based applications requiring very high accuracy.
  • Research in Basque speech processing where the highest possible accuracy is crucial.
  • Professional transcription services and applications where accuracy is paramount.
  • Use in scenarios where the computational cost is acceptable for the significant improvement in accuracy.

Limitations:

  • Performance remains 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.
  • Despite improved performance, the model may still produce errors, particularly with complex linguistic structures or rare words.
  • The medium model is larger than the small, base, and tiny models, so inference will be slower and require more resources.

Training and evaluation data

  • Training dataset: asierhv/composite_corpus_eu_v2.1. This dataset is a 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: 6.25e-06
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: AdamW 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 LossWER
0.34120.055000.511228.8685
0.14640.110000.417820.5570
0.25040.1515000.362518.1279
0.26150.220000.323615.5364
0.16480.2525000.320913.8129
0.09330.330000.299112.8887
0.10160.3535000.282312.4329
0.14490.440000.274111.7460
0.1510.4545000.279111.5774
0.09170.550000.274411.2402
0.09130.5555000.290111.1340
0.10850.660000.266310.3285
0.09280.6565000.270510.2910
0.07250.770000.250610.3035
0.12160.7575000.27589.7103
0.1310.880000.25199.4292
0.05250.8585000.26029.3106
0.07290.990000.25499.3606
0.09390.9595000.24709.1920
0.06391.0100000.24889.1045

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
23435b1

0 моделей