/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY 4.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
18 июл 2026

whisper-small-mn

Распознавание речиАудио → текст7 профессий

Модель Whisper, дообученная для распознавания и транскрибирования речи на монгольском языке.

27скачиваний за 30 дней0лайковвеса обновлены18 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.

  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

Blgn94/whisper-small-mn — модель распознавания речи на монгольском языке, дообученная разработчиком Blgn94 на основе openai/whisper-small. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration; репозиторий содержит веса в форматах Safetensors и ONNX. Она принимает аудио и преобразует его в текст, например для транскрибирования записей на монгольском языке.

Для проверки на отложенной части валидационной выборки указаны WER 22,1% и CER 10,3%. Для обучения использован датасет примерно из 60 часов аудио и 57 320 фрагментов: MBSpeech, Mozilla Common Voice 20 и Google FLEURS. Лицензия модели — CC-BY-4.0.

Сценарии применения

  • транскрибирование монгольской речи из аудиозаписей
  • распознавание монгольской речи в голосовых сообщениях
  • подготовка текстовых расшифровок монгольских аудиоматериалов

Ограничения

В README приведены метрики только для отложенной части валидационной выборки; качество может отличаться на других типах аудио и условиях записи.

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-small-mn

Fine-tune of openai/whisper-small for Mongolian (mn) automatic speech recognition.

Results

Evaluated on a held-out subset of the validation split:

MetricValue
WER22.1%
CER10.3%

Training data

Trained on Blgn94/mongolian-stt-dataset (~60 h, 57,320 clips), a combination of:

  • MBSpeech (read Mongolian Bible) — MIT
  • Mozilla Common Voice 20 (mn, normalized) — CC0-1.0
  • Google FLEURS (mn) — CC-BY-4.0

All audio is 16 kHz mono.

Training procedure

  • 3 epochs, effective batch size 8 (batch 2 × grad-accum 4), fp16
  • learning rate 1e-5, 500 warmup steps
  • AdamW, gradient checkpointing

Usage

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition", model="Blgn94/whisper-small-mn")
text = pipe("audio.wav")["text"]
print(text)

Or with the model/processor directly:

import torch, librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration

processor = WhisperProcessor.from_pretrained("Blgn94/whisper-small-mn")
model = WhisperForConditionalGeneration.from_pretrained("Blgn94/whisper-small-mn")

audio, _ = librosa.load("audio.wav", sr=16000)
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")
ids = model.generate(inputs.input_features, language="mn", task="transcribe")
print(processor.batch_decode(ids, skip_special_tokens=True)[0])

License

CC-BY-4.0, reflecting the most restrictive license among the combined training sources.

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
dd4f091

0 моделей