/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
cali-whisper-tiny.en-drop-005-production
Библиотека
transformers
Опубликована
16 авг 2026

Ссылки

Hugging Face

cali-whisper-tiny.en-drop-006-production

1Developer
Распознавание речиАудио → текст4 профессии

Дообученная версия Whisper tiny.en для преобразования английской речи в текст.

8скачиваний за 30 дней0лайковвеса обновлены16 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

cali-whisper-tiny.en-drop-006-production — дообученная модель распознавания речи на базе 1Developer/cali-whisper-tiny.en-drop-005-production. Она использует архитектуру WhisperForConditionalGeneration семейства Whisper и предназначена для преобразования входящего аудио в текст; обучение проводилось на датасете audiofolder.

В карточке приведены результаты оценки: Loss 0.0000, Wer Ortho 0.0 и Wer 0.0. Эти значения не сопровождаются описанием оценочного набора и методики, поэтому по ним нельзя судить о качестве на других данных. Модель ориентирована на английскую речь, как и базовая версия tiny.en. Репозиторий содержит веса safetensors и использует библиотеку Transformers.

Лицензия — Apache-2.0. Карточка не описывает дополнительные ограничения или сценарии использования.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание речи в английских звонках
  • создание текстовых субтитров для английского аудио

Ограничения

Нулевые значения WER и Loss приведены без описания оценочного набора и методики и не подтверждают качество на произвольных аудиозаписях. Модель tiny.en ориентирована на английскую речь.

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.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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cali-whisper-tiny.en-drop-006-production

This model is a fine-tuned version of 1Developer/cali-whisper-tiny.en-drop-005-production on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0000
  • 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 log2.0200.00020.00.0
0.00184.0400.00000.00.0
0.00006.0600.00000.00.0
0.00008.0800.00000.00.0
0.000010.01000.00000.00.0
0.000012.01200.00000.00.0
0.000014.01400.00000.00.0
0.000016.01600.00000.00.0
0.000018.01800.00000.00.0
0.000020.02000.00000.00.0
0.000022.02200.00000.00.0
0.000024.02400.00000.00.0
0.000026.02600.00000.00.0
0.000028.02800.00000.00.0
0.000030.03000.00000.00.0
0.000032.03200.00000.00.0
0.000034.03400.00000.00.0
0.000036.03600.00000.00.0
0.000038.03800.00000.00.0
0.000040.04000.00000.00.0
0.000042.04200.00000.00.0
0.000044.04400.00000.00.0
0.000046.04600.00000.00.0
0.000048.04800.00000.00.0
0.000050.05000.00000.00.0

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
049ca9a

0 моделей

    Создать бенчмарк