/ Модель

Характеристики

Контекст
448 токенов
Параметры
456 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
1 дек 2024

whisper-medium-vaani-kannada

Распознавание речиАудио → текст6 профессий

Дообученная на данных Vaani модель Whisper Medium для распознавания речи на каннада и преобразования её в текст.

51скачиваний за 30 дней2лайкавеса обновлены23 мая 2025

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 Medium Vaani Kannada — модель распознавания речи, дообученная ARTPARK-IISc на базе openai/whisper-medium с использованием датасета ARTPARK-IISc/Vaani. Модель предназначена для преобразования аудиозаписей на каннада в текст.

Модель построена на архитектуре Whisper и содержит 455,8 млн параметров. Она принимает аудио и выдаёт текст; в карточке указана поддержка задачи automatic-speech-recognition и тег языка kn. Модель опубликована в формате safetensors под лицензией MIT.

Сценарии применения

  • расшифровка аудиозаписей на каннада
  • транскрибирование речи на каннада
  • создание текстовых субтитров для речи на каннада

Ограничения

Качество распознавания зависит от качества записи и соответствия аудио каннада; метрики качества и подробные ограничения в предоставленных данных не описаны.

Для каких профессий подходит6

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

import torch
from transformers import WhisperForConditionalGeneration, WhisperProcessor, WhisperTokenizer,WhisperFeatureExtractor
import soundfile as sf


model="ARTPARK-IISc/whisper-medium-vaani-kannada"

# Load tokenizer and feature extractor individually
feature_extractor = WhisperFeatureExtractor.from_pretrained(model)
tokenizer = WhisperTokenizer.from_pretrained("openai/whisper-medium", language="Kannada", task="transcribe")


# Create the processor manually
processor = WhisperProcessor(feature_extractor=feature_extractor, tokenizer=tokenizer)

# Load and preprocess the audio file
audio_file_path = "Sample_Audio.wav"  # replace with your audio file path


device = "cuda" if torch.cuda.is_available() else "cpu"

# Load the processor and model
model = WhisperForConditionalGeneration.from_pretrained(model).to(device)


# load audio
audio_data, sample_rate = sf.read(audio_file_path)
# Ensure the audio is 16kHz (Whisper expects 16kHz audio)
if sample_rate != 16000:
    import torchaudio
    resampler = torchaudio.transforms.Resample(orig_freq=sample_rate, new_freq=16000)
    audio_data = resampler(torch.tensor(audio_data).unsqueeze(0)).squeeze().numpy()


# Use the processor to prepare the input features
input_features = processor(audio_data, sampling_rate=16000, return_tensors="pt").input_features.to(device)

# Generate transcription (disable gradient calculation during inference)
with torch.no_grad():
    predicted_ids = model.generate(input_features)

# Decode the generated IDs into human-readable text
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]

print(transcription)

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
46afca0

0 моделей