/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
5 окт 2023

whisper-small-zh-CN

Распознавание речиАудио → текст3 профессии

Дообученная на Common Voice 13 модель Whisper Small для распознавания китайской речи в текст.

6скачиваний за 30 дней5лайковвеса обновлены6 окт 2023

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

zongxiao/whisper-small-zh-CN — дообученная модель автоматического распознавания речи на базе мультиязычной Whisper Small от OpenAI. Она обучена на Common Voice 13 и предназначена для транскрибирования аудио на китайском языке. Модель содержит 153,1 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0.

В README приведены результаты оценки на тестовой выборке: WER 76,20 и орфографически нормализованный WER 73,97; обучение оценивалось на шаге 1500, после 0,6 эпохи. Эти показатели указывают на существенные ошибки распознавания, поэтому пригодность для конкретных записей следует проверять отдельно.

Сценарии применения

  • транскрибирование китайской речи из аудиозаписей
  • распознавание китайской речи для субтитров
  • подготовка текстовых расшифровок китайских аудиозаписей

Ограничения

В оценке на тестовой выборке указаны WER 76,20 и орфографически нормализованный WER 73,97, что свидетельствует о высокой доле ошибок. README не описывает ограничения по условиям записи и варианты китайского языка; проверьте качество на целевых аудио.

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

Whisper Small Chinese - zongxiao -1500

This model is a fine-tuned version of openai/whisper-small on the Common Voice 13 dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.3135
  • eval_wer_ortho: 73.9671
  • eval_wer: 76.1992
  • eval_runtime: 14062.1584
  • eval_samples_per_second: 0.756
  • eval_steps_per_second: 0.378
  • epoch: 0.6
  • step: 1500

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: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 4000

Framework versions

  • Transformers 4.33.3
  • Pytorch 2.0.1
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
3f50f85

0 моделей