/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
28 мая 2025

ASR_Whisper_Peripheral_Neuropathy

Распознавание речиАудио → текст3 профессии

Дообученная на корейских данных о периферической нейропатии модель Whisper для преобразования речи в текст.

13скачиваний за 30 дней0лайковвеса обновлены2 июн 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

ASRWhisperPeripheralNeuropathy — модель распознавания речи, созданная дообучением openai/whisper-small на наборе ASR_Preprocess_Peripheral_Neuropathy_Dataset. Она предназначена для преобразования аудиозаписей, связанных с периферической нейропатией, в текст. Модель построена на архитектуре Whisper, содержит 153,1 млн параметров и использует библиотеку Transformers; репозиторий содержит веса в формате safetensors. В метаданных указан корейский язык.

На тестовой выборке автор сообщает Loss 0,1775, CER 11,0108 и WER 15,8491. Лицензия — Apache-2.0. Карточка не описывает состав и условия оценки набора данных, поэтому приведённые метрики сами по себе не гарантируют качество на других аудиозаписях.

Сценарии применения

  • транскрибирование корейских аудиозаписей о периферической нейропатии
  • распознавание речи в записях медицинских консультаций по периферической нейропатии
  • подготовка текстовых расшифровок профильных аудиозаписей для анализа

Ограничения

В README не описаны ограничения, состав данных и протокол оценки; метрики приведены только для указанной тестовой выборки и могут не отражать качество на других записях.

Для каких профессий подходит3

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

ASR_Whisper_Peripheral_Neuropathy

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

  • Loss: 0.1775
  • Cer: 11.0108
  • Wer: 15.8491

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: 3e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • 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: 950
  • training_steps: 9500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCerWer
0.36420.856510000.304288.008985.6774
0.15631.712620000.237056.948647.3565
0.07832.568730000.204316.758623.7618
0.03053.424840000.193521.081425.2930
0.01644.280950000.184319.568021.6927
0.015.137060000.182313.384217.4606
0.00865.993670000.179222.197324.9455
0.0036.849780000.178712.868317.4494
0.00167.705890000.177511.010815.8491

Framework versions

  • Transformers 4.53.0.dev0
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
3b62fa2

0 моделей