/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
19 дек 2022

whisper-small-zh

Распознавание речиАудио → текст4 профессии

Дообученная на китайском Common Voice модель Whisper Small для преобразования речи на китайском языке в текст.

16скачиваний за 30 дней7лайковвеса обновлены20 дек 2022

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

Whisper Small Chinese — дообученная модель xmzhu на базе openai/whisper-small для автоматического распознавания китайской речи. Она принимает аудио и генерирует текст; при дообучении использован китайский вариант набора Common Voice 11.0. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров.

На оценочной выборке указана частота ошибок слов WER 72,3626 и loss 0,3946. Высокий WER указывает на существенные ошибки распознавания, поэтому качество следует проверять на данных конкретного сценария. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • распознавание китайской речи из аудиозаписей
  • транскрибация китайских голосовых сообщений
  • создание черновых субтитров к китайской речи

Ограничения

В карточке указана высокая частота ошибок слов — WER 72,3626 на оценочной выборке; качество распознавания может быть низким и требует проверки на целевых аудиоданных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small Chinese

This model is a fine-tuned version of openai/whisper-small on the mozilla-foundation/common_voice_11_0 zh-CN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3946
  • Wer: 72.3626

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: 64
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.51792.0210000.333372.9831
0.12734.0420000.356273.9621
0.01636.0630000.379073.9708
0.0048.0740000.394672.3626
0.02511.050000.401972.6772

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.1+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
1697878

0 моделей