⚡️ مدل OLMoASR: مدل‌های وزن باز ASR از AI2

مؤسسه هوش مصنوعی آلن (Allen Institute for AI) مدل‌های OLMoASR را منتشر کرده است؛ خانواده‌ای شامل ۶ مدل برای بازشناسی خودکار گفتار انگلیسی.

▶️ مدل‌ها:

🟢 مدل OLMoASR-tiny.en ( 39M پارامتر)

🟢 مدل OLMoASR-base.en ( 74M پارامتر)

🟢 مدل OLMoASR-small.en ( 244M پارامتر)

🟢 مدل OLMoASR-medium.en ( 769M پارامتر)

🟠 مدل OLMoASR-large.en-v1 ( 1.5B پارامتر، آموزش‌دیده روی 440 هزار ساعت صوت)

🟠 مدل OLMoASR-large.en-v2 ( 1.5B پارامتر، آموزش‌دیده روی 680 هزار ساعت صوت)

نتایج آزمایش روی ۲۱ دیتاست نشان داده است که مدل‌های OLMoASR عملکردی قابل مقایسه با Whisper اوپن‌اِی‌آی دارند و حتی در برخی موارد، به‌ویژه هنگام کار با فایل‌های صوتی طولانی، از آن پیشی می‌گیرند.

این پروژه کاملاً متن‌باز است: وزن مدل‌ها، دیتاست، کد پردازش داده و اسکریپت‌های آموزش و ارزیابی همگی منتشر شده‌اند. تمام اجزا، از جمله کد و داده، در GitHub و Hugging Face در دسترس‌اند.

🟡 مقاله
🟡 مجموعه مدل‌ها
🟡 گزارش فنی
🟡 نسخه آزمایشی (Demo)
🖥 گیت‌هاب

#AI #ASR #OLMoASR #AI2

@asrgooyeshpardaz