/ Модель

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Библиотека
transformers
Опубликована
21 мая 2025

Distilation_Whisper_base_bigger_batch_size

Распознавание речиАудио → текст3 профессии

Дообученная на чтении аятов Корана модель Whisper Base для распознавания арабской речи в аудио.

11скачиваний за 30 дней0лайковвеса обновлены1 июн 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

Baselhany разработал модель распознавания арабской речи, дообучив OpenAI Whisper Base на наборе данных quran-ayat-speech-to-text. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 51,7 млн параметров; она принимает аудио и выдаёт распознанный текст. Модель предназначена для транскрибирования арабоязычных записей чтения аятов Корана. В README указаны результаты на оценочной выборке: loss 0,1077 и WER 0,2309. Модель доступна в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование чтения аятов Корана
  • распознавание арабской речи в аудиозаписях
  • создание текстовых расшифровок аудио с чтением Корана

Ограничения

В README указана ошибка WER 0,2309 на оценочной выборке; данных о других условиях оценки и устойчивости к различным акцентам или шуму нет.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper base AR - BA

This model is a fine-tuned version of openai/whisper-base on the quran-ayat-speech-to-text dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1077
  • Wer: 0.2309

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.34121.01570.10410.2149
3.01212.03140.10540.2123
2.68113.04710.10330.2079
2.24684.06280.10620.2163
2.14385.07850.10290.2168
1.80986.09420.10350.2131
1.74887.010990.10230.2190
1.528.012560.10200.2116
1.4319.014130.10130.2112
1.315110.015700.10050.2168
1.221911.017270.10110.2107
1.187912.018840.10030.2097
1.115813.020410.10070.2098
1.099514.021980.09980.2095
1.059614.908823400.10010.2107

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
f295738

0 моделей