/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny
Библиотека
transformers
Опубликована
11 июл 2026

Ссылки

Hugging Face

cali-whisper-tiny.en-drop-004-production

1Developer
Распознавание речиАудио → текст4 профессии

Дообученная версия Whisper Tiny для распознавания английской речи и транскрибации аудио, включая имена из обучающего набора.

14скачиваний за 30 дней0лайковвеса обновлены11 июл 2026

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.

Открыть конструктор бенчмарка

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

whisper-tiny-calista-basics-v10 — дообученная на наборе cali-name-dataset-short-version модель OpenAI Whisper Tiny для автоматического распознавания речи и транскрибации аудио. Архитектура WhisperForConditionalGeneration; модель принимает аудио и выдаёт текст. В метаданных указан английский язык, а базовая Whisper Tiny поддерживает несколько языков.

Модель подходит для распознавания речи в аудиозаписях на английском языке, в том числе имён из обучающего набора. В README приведены результаты на оценочной выборке: Loss 0,0001, WER Ortho 0,0 и WER 0,0; состав и размер выборки не описаны, поэтому эти результаты не гарантируют аналогичного качества на других данных. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание произнесённых имён
  • преобразование английской речи в текст

Ограничения

Оценочные результаты приведены без описания размера и состава выборки, поэтому качество на новых данных не установлено. README не уточняет устойчивость к шуму и поддержку языков помимо английского.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-tiny-calista-basics-v10

This model is a fine-tuned version of openai/whisper-tiny on the cali-name-dataset-short-version dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0001
  • Wer Ortho: 0.0
  • Wer: 0.0

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 50
  • training_steps: 500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer OrthoWer
No log0.3509204.300987.121238.6364
5.08210.7018400.238910.60619.8485
0.95791.0526600.00180.00.0
0.01591.4035800.00070.00.0
0.00061.75441000.00050.00.0
0.00062.10531200.00030.00.0
0.00012.45611400.00020.00.0
0.00012.80701600.00020.00.0
0.00813.15791800.00040.00.0
0.00023.50882000.00020.00.0
0.00023.85962200.00030.00.0
0.00394.21052400.00020.00.0
0.00084.56142600.00010.00.0
0.00004.91232800.00010.00.0
0.00005.26323000.00010.00.0
0.00005.61403200.00010.00.0
0.00005.96493400.00300.00.0
0.00216.31583600.00010.00.0
0.00006.66673800.00010.00.0
0.00497.01754000.00010.00.0
0.00497.36844200.00020.00.0
0.00057.71934400.00020.00.0
0.00008.07024600.00010.00.0
0.00008.42114800.00010.00.0
0.00008.77195000.00010.00.0

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
770b638

0 моделей

    Создать бенчмарк