Характеристики

Контекст: 1 024 токена
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-tiny
Библиотека: transformers
Опубликована: 24 июл 2026

Ссылки

Hugging Face

my-seq2seq-model

Atrac

Распознавание речиАудио → текст

Дообученная на PolyAI/minds14 модель Whisper-tiny для преобразования речи из аудио в текст.

9скачиваний за 30 дней1лайквеса обновлены24 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Atrac/my-seq2seq-model — дообученная модель распознавания речи на базе openai/whisper-tiny, созданная на датасете PolyAI/minds14. Она принимает аудио и преобразует речь в текст; подходит для транскрибации записей и голосовых запросов. Архитектура — WhisperForConditionalGeneration, веса сохранены в формате safetensors. На оценочной выборке указаны WER 0,3542 и орфографический WER 0,3526.

Модель распространяется по лицензии Apache-2.0. Результаты оценки относятся к указанной выборке; README не описывает целевые языки, поэтому языковые возможности дообученной версии нельзя уверенно уточнить по имеющимся сведениям.

Сценарии применения

транскрибация аудиозаписей
распознавание речи в голосовых сообщениях
преобразование устных запросов в текст

Ограничения

На оценочной выборке указана доля ошибок WER 0,3542; качество на других данных может отличаться. Языки и условия применения в README не уточнены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my-seq2seq-model

This model is a fine-tuned version of openai/whisper-tiny on the PolyAI/minds14 dataset. It achieves the following results on the evaluation set:

Loss: 0.7355
Wer Ortho: 0.3526
Wer: 0.3542

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
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: linear
num_epochs: 40
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer Ortho	Wer
No log	1.0	57	0.5982	0.3546	0.3536
No log	2.0	114	0.6244	0.3816	0.3838
No log	3.0	171	0.6240	0.3662	0.3629
No log	4.0	228	0.6321	0.3423	0.3426
No log	5.0	285	0.6522	0.3732	0.3715
No log	6.0	342	0.6582	0.3526	0.3524
No log	7.0	399	0.6628	0.3507	0.3506
No log	8.0	456	0.6683	0.3501	0.3499
0.0203	9.0	513	0.6734	0.3443	0.3444
0.0203	10.0	570	0.6804	0.3456	0.3456
0.0203	11.0	627	0.6837	0.3430	0.3432
0.0203	12.0	684	0.6878	0.3468	0.3456
0.0203	13.0	741	0.6939	0.3481	0.3469
0.0203	14.0	798	0.6960	0.3501	0.3487
0.0203	15.0	855	0.6991	0.3481	0.3469
0.0203	16.0	912	0.7017	0.3468	0.3475
0.0203	17.0	969	0.7044	0.3468	0.3475
0.0024	18.0	1026	0.7082	0.3507	0.3506
0.0024	19.0	1083	0.7089	0.3507	0.3506
0.0024	20.0	1140	0.7131	0.3533	0.3536
0.0024	21.0	1197	0.7141	0.3546	0.3549
0.0024	22.0	1254	0.7176	0.3520	0.3518
0.0024	23.0	1311	0.7197	0.3507	0.3506
0.0024	24.0	1368	0.7211	0.3507	0.3506
0.0024	25.0	1425	0.7223	0.3501	0.3499
0.0024	26.0	1482	0.7243	0.3501	0.3499
0.0014	27.0	1539	0.7255	0.3507	0.3506
0.0014	28.0	1596	0.7264	0.3514	0.3512
0.0014	29.0	1653	0.7293	0.3520	0.3524
0.0014	30.0	1710	0.7297	0.3514	0.3518
0.0014	31.0	1767	0.7310	0.3507	0.3518
0.0014	32.0	1824	0.7308	0.3507	0.3518
0.0014	33.0	1881	0.7330	0.3507	0.3518
0.0014	34.0	1938	0.7336	0.3507	0.3518
0.0014	35.0	1995	0.7338	0.3507	0.3518
0.0010	36.0	2052	0.7341	0.3526	0.3542
0.0010	37.0	2109	0.7349	0.3520	0.3530
0.0010	38.0	2166	0.7350	0.3526	0.3542
0.0010	39.0	2223	0.7356	0.3520	0.3530
0.0010	40.0	2280	0.7355	0.3526	0.3542

Framework versions

Transformers 5.14.1
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: be76f0d

Характеристики

Ссылки

my-seq2seq-model

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Карточка модели

my-seq2seq-model

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить