/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
20 дек 2023

whisper-large-v2-es

Распознавание речиАудио → текст8 профессий

Дообученная версия Whisper Large-v2 для транскрибации испанской речи в текст.

41скачиваний за 30 дней1лайквеса 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-v2-es — дообученная модель распознавания речи на базе openai/whisper-large-v2, опубликованная пользователем zuazo. Она адаптирована для транскрибации испанской речи на наборе mozilla-foundation/common_voice_13_0. Архитектура — WhisperForConditionalGeneration; модель содержит 905,2 млн параметров и принимает аудио, выдавая текст. В оценке на тестовом наборе указаны WER 4,8949 и loss 0,2544.

Модель подходит для преобразования записанной испанской речи в текст. Карточка не описывает дополнительные сценарии или ограничения качества. Лицензия Apache-2.0 разрешает использование, изменение и распространение с указанием авторов.

Сценарии применения

  • транскрибация испанских аудиозаписей
  • распознавание испанской речи в записях Common Voice
  • преобразование испанских голосовых сообщений в текст

Ограничения

Карточка не содержит сведений о дополнительных ограничениях или устойчивости распознавания за пределами оценки на Common Voice 13.0; указанная метрика WER относится к тестовому набору.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large-V2 Spanish

This model is a fine-tuned version of openai/whisper-large-v2 on the mozilla-foundation/common_voice_13_0 es dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2544
  • Wer: 4.8949

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
0.08692.010000.17546.1516
0.09134.020000.16525.7500
0.0516.030000.16435.7757
0.03918.040000.18815.6589
0.010410.050000.20265.6211
0.080612.0160000.17415.7398
0.007714.0170000.21195.6038
0.035716.0180000.17765.6147
0.108718.0190000.18685.5172
0.040120.01100000.20145.4428
0.033422.01110000.17515.2824
0.007124.01120000.22955.2490
0.037426.01130000.20985.2574
0.002328.01140000.24985.0418
0.002530.01150000.23114.9385
0.000632.01160000.25444.8949
0.000934.02170000.26915.1246
0.00336.02180000.22495.0277
0.000938.02190000.26035.0373
0.000840.02200000.26575.0225

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
2cc66c1

0 моделей