/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
cali-whisper-tiny.en-drop-004-production
Библиотека
transformers
Опубликована
8 авг 2026

Ссылки

Hugging Face

cali-whisper-tiny.en-drop-005-production

1Developer
Распознавание речиАудио → текст9 профессий

Дообученная модель Whisper tiny.en для преобразования речи в аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены8 авг 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

Модель 1Developer/cali-whisper-tiny.en-drop-005-production — дообученная версия Whisper tiny.en, созданная на основе 1Developer/cali-whisper-tiny.en-drop-004-production и обученная на датасете audiofolder. Она предназначена для автоматического распознавания речи и преобразования аудио в текст. В карточке приведены результаты оценки: loss 0,0002 и WER 0,0; этих значений недостаточно, чтобы судить о качестве на других данных. Используются архитектура Whisper и библиотека Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка англоязычных аудиозаписей
  • создание текстовых транскриптов речи
  • автоматическое распознавание речи в аудиофайлах

Ограничения

Модель обучена на датасете audiofolder, но его состав и область применения в карточке не раскрыты. Нулевой WER на указанной оценочной выборке не гарантирует таких же результатов на других аудиозаписях.

Для каких профессий подходит9

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cali-whisper-tiny.en-drop-005-production

This model is a fine-tuned version of 1Developer/cali-whisper-tiny.en-drop-004-production on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0002
  • 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 log3.3333200.082914.28579.5238
0.32916.6667400.00720.00.0
0.025610.0600.00150.00.0
0.000913.3333800.00100.00.0
0.000416.66671000.00070.00.0
0.000420.01200.00060.00.0
0.000323.33331400.00050.00.0
0.000226.66671600.00040.00.0
0.000230.01800.00040.00.0
0.000133.33332000.00040.00.0
0.000136.66672200.00030.00.0
0.000140.02400.00030.00.0
0.000143.33332600.00030.00.0
0.000146.66672800.00030.00.0
0.000150.03000.00020.00.0
0.000153.33333200.00020.00.0
0.000156.66673400.00020.00.0
0.000160.03600.00020.00.0
0.000163.33333800.00020.00.0
0.000166.66674000.00020.00.0
0.000170.04200.00020.00.0
0.000073.33334400.00020.00.0
0.000076.66674600.00020.00.0
0.000080.04800.00020.00.0
0.000083.33335000.00020.00.0

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.1
  • 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
41b31c5

0 моделей

    Создать бенчмарк