/ Модель

Характеристики

Контекст
448 токенов
Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
14 мар 2025

whisper-large-v3-vaani-hindi

Распознавание речиАудио → текст7 профессий

Дообученная модель Whisper для транскрибирования речи на хинди в текст.

1 290скачиваний за 30 дней14лайковвеса обновлены14 апр 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.

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-large-v3-vaani-hindi — модель распознавания речи на базе Whisper, дообученная на примерно 718 часах транскрибированной речи на хинди из нескольких наборов данных. В README базовой моделью названа OpenAI Whisper Large V3, а метаданные указывают openai/whisper-small; поэтому точный исходный чекпойнт неясен.

Модель предназначена для преобразования речи на хинди в текст. Её можно запускать через pipeline из библиотеки Transformers. В README приведены результаты оценки на Gramvaani, Fleurs и MUCS; значение WER зависит от набора данных.

Модель принимает аудио и выдаёт текст. Поддержка других языков не подтверждена. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей на хинди
  • распознавание речи в аудио на хинди
  • подготовка текстовых расшифровок для голосовых данных на хинди

Ограничения

Оценочные WER заметно различаются по наборам данных, поэтому качество может зависеть от условий записи и состава речи. README и метаданные называют разные базовые версии Whisper.

Для каких профессий подходит7

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-v3-vaani-hindi

This is a fine-tuned version of OpenAI's Whisper-Large-V3, trained on approximately 718 hours of transcribed Hindi speech from multiple datasets.

Usage

This can be used with the pipeline function from the Transformers module.


import torch
from transformers import pipeline

audio = "path to the audio file to be transcribed"
device = "cuda:0" if torch.cuda.is_available() else "cpu"
modelTags="ARTPARK-IISc/whisper-large-v3-vaani-hindi"
transcribe = pipeline(task="automatic-speech-recognition", model=modelTags, chunk_length_s=30, device=device)
transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="hi", task="transcribe")

print('Transcription: ', transcribe(audio)["text"])

Training and Evaluation

The models has finetuned using folllowing dataset Vaani ,Gramvaani IndicVoices, Fleurs,IndicTTS and Commonvoice

The performance of the model was evaluated using multiple datasets, and the evaluation results are provided below.

DatasetWER
Gramvaani25.11
Fleurs11.20
MUCS14.60
Commonvoice13.84
Kathbath08.85
Kathbath Noisy11.80
Vaani24.66
RESPIN07.36

Citation

If you use this model, please cite the following:

@misc{pulikodan2026vaanicapturinglanguagelandscape,
      title={VAANI: Capturing the language landscape for an inclusive digital India}, 
      author={Sujith Pulikodan and Abhayjeet Singh and Agneedh Basu and Nihar Desai and Pavan Kumar J and Pranav D Bhat and Raghu Dharmaraju and Ritika Gupta and Sathvik Udupa and Saurabh Kumar and Sumit Sharma and Vaibhav Vishwakarma and Visruth Sanka and Dinesh Tewari and Harsh Dhand and Amrita Kamat and Sukhwinder Singh and Shikhar Vashishth and Partha Talukdar and Raj Acharya and Prasanta Kumar Ghosh},
      year={2026},
      eprint={2603.28714},
      archivePrefix={arXiv},
      primaryClass={eess.AS},
      url={https://arxiv.org/abs/2603.28714}, 
}

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
63b5cc7

0 моделей