/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large
Опубликована
14 дек 2023

whisper-large-es

Распознавание речиАудио → текст

Дообученная на испанской речи модель Whisper для автоматической транскрибации аудио в текст.

6скачиваний за 30 дней0лайковвеса обновлены4 апр 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

zuazo/whisper-large-es — дообученная модель распознавания речи на базе openai/whisper-large, созданная на данных Common Voice 13.0 для испанского языка. Она принимает аудио и преобразует речь в текст; в оценке на тестовой выборке указана WER 5,1265 и loss 0,2663.

Модель содержит около 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration. Подходит для транскрибации испанской речи, например записей и голосовых сообщений. Карточка не приводит сведений о длине контекста или дополнительных сценариях применения.

Модель распространяется по лицензии Apache-2.0, допускающей использование, изменение и распространение с указанием авторства. Результаты распознавания зависят от качества записи и соответствия речи обучающим данным; опубликованные метрики относятся к указанному набору оценки.

Сценарии применения

  • транскрибация испанской речи из аудиозаписей
  • распознавание испанских голосовых сообщений
  • создание текстовых субтитров к испаноязычным аудио
  • преобразование испанских речевых данных в текст для последующей обработки

Ограничения

Опубликованная метрика WER 5,1265 получена на оценочной выборке Common Voice 13.0 и не гарантирует аналогичное качество на других данных. Карточка не описывает ограничения по акцентам, шуму или условиям записи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large Spanish

This model is a fine-tuned version of openai/whisper-large on the mozilla-foundation/common_voice_13_0 es dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2663
  • Wer: 5.1265

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: 32
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 20000

Training results

Training LossEpochStepValidation LossWer
0.08342.010000.18626.3852
0.08714.020000.17775.9175
0.0396.030000.17805.7423
0.02658.040000.21215.7744
0.005910.050000.22195.8097
0.085512.0160000.18395.9778
0.003714.0170000.22735.8565
0.029316.0180000.19655.8078
0.117418.0190000.19845.8893
0.035520.01100000.21365.8662
0.027922.01110000.18825.4960
0.004324.01120000.24445.3356
0.030226.01130000.22235.4620
0.001128.01140000.26035.5608
0.00130.01150000.24525.3087
0.000332.01160000.25735.3523
0.000434.02170000.26905.2952
0.001336.02180000.23735.1438
0.000438.02190000.26185.1361
0.000440.02200000.26635.1265

Framework versions

  • Transformers 4.33.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.14.4
  • Tokenizers 0.13.3

Citation

If you use these models in your research, please cite:

@misc{dezuazo2025whisperlmimprovingasrmodels,
      title={Whisper-LM: Improving ASR Models with Language Models for Low-Resource Languages}, 
      author={Xabier de Zuazo and Eva Navas and Ibon Saratxaga and Inma Hernáez Rioja},
      year={2025},
      eprint={2503.23542},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.23542}, 
}

Please, check the related paper preprint in arXiv:2503.23542 for more details.

Licensing

This model is available under the Apache-2.0 License. You are free to use, modify, and distribute this model as long as you credit the original creators.

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
fa89d64

0 моделей