/ Модель

Характеристики

Параметры
416 976
Размер весов
1 МБ
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
22 ноя 2024

whisper-v3-tiny-random

Распознавание речиАудио → текст3 профессии

Миниатюрная случайно инициализированная модель Whisper для отладки пайплайна автоматического распознавания речи.

600скачиваний за 30 дней0лайковвеса обновлены22 ноя 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

yujiepan/whisper-v3-tiny-random — экспериментальная модель для отладки, созданная на основе конфигурации OpenAI Whisper large-v3 и реализованная в библиотеке Transformers. Архитектура представляет собой уменьшенную speech-to-text Seq2Seq-модель Whisper с энкодером и декодером; в метаданных указано около 417 тысяч параметров.

Модель предназначена для тестирования загрузки, инициализации, генерации и интеграции пайплайна automatic-speech-recognition, а не для качественной транскрипции аудио. Её веса случайно инициализированы, поэтому она может работать как технический объект для отладки, но не обладает практическими навыками распознавания речи. Лицензия в предоставленных данных не указана.

Сценарии применения

  • тестирование загрузки модели Whisper
  • отладка пайплайна automatic-speech-recognition
  • проверка генерации текста из аудио
  • тестирование совместимости Transformers с моделями Whisper

Ограничения

Случайно инициализированные веса не обеспечивают meaningful-качество распознавания речи, поэтому модель непригодна для производственного использования и оценки точности ASR.

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

This model is for debugging. It is randomly initialized with the config from openai/whisper-large-v3 but is of smaller size.

Codes:

import os

import torch

from huggingface_hub import create_repo, upload_folder
from transformers import (
    AutoModelForCausalLM,
    AutoTokenizer,
    GenerationConfig,
    AutoConfig,
    pipeline,
    set_seed,
)
import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline, AutoConfig
from datasets import load_dataset

model_id = "openai/whisper-large-v3"
repo_id = "yujiepan/whisper-v3-tiny-random"
save_path = f"/tmp/{repo_id}"
os.system(f'rm -rf {save_path}')
os.makedirs(save_path, exist_ok=True)

device = "cuda"
torch_dtype = torch.float16
model_id = "openai/whisper-large-v3"

config = AutoConfig.from_pretrained(model_id)
config.num_hidden_layers = 2
config.d_model = 8
config.decoder_attention_heads = 2
config.decoder_ffn_dim = 16
config.decoder_layers = 2
config.encoder_ffn_dim = 16
config.encoder_attention_heads = 2
config.encoder_layers = 2

model = AutoModelForSpeechSeq2Seq.from_config(config)
model.to(device).to(torch_dtype)
model.generation_config = GenerationConfig.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)

set_seed(42)
num_params = 0
with torch.no_grad():
    for name, p in sorted(model.named_parameters()):
        print(name, p.shape)
        torch.nn.init.uniform_(p, -0.5, 0.5)
        num_params += p.numel()
print("Total number of parameters:", num_params)

pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    torch_dtype=torch_dtype,
    device=device,
)

sample = load_dataset(
    "distil-whisper/librispeech_long", "clean",
    split="validation",
)[0]["audio"]
result = pipe(sample, return_timestamps=True)
print(result["text"])

create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path, repo_type='model')

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
34b417c

0 моделей