/ Модель

Характеристики

Контекст
448 токенов
Параметры
905 млн
Размер весов
6 ГБ
Лицензия
OpenRAIL
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
11 янв 2026

roest-v3-whisper-1.5b

Распознавание речиАудио → текст3 профессии

Модель Whisper, дообученная на датских аудиозаписях CoRal-v3 для транскрибации разговорной и начитанной речи.

1 196скачиваний за 30 дней9лайковвеса обновлены19 июн 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

Røst-v3-whisper-1.5b — модель распознавания датской речи, обученная в рамках проекта CoRal Институтом Александры (Alexandra Institute). Это дообученная на наборе CoRal-v3 модель Whisper-large от OpenAI, предназначенная для автоматической транскрибации разговорной и начитанной речи с учётом датских диалектов. По карточке, CoRal-v3 охватывает разные возрастные группы, гендеры и диалекты.

В сравнительной оценке на CoRal-v3 модель показала CER 11,6% на разговорной речи и 4,5% на начитанной речи. Метаданные указывают 905,2 млн параметров и формат safetensors; в таблицах README приведён размер 1,54 млрд параметров, поэтому сведения о размере расходятся. Для запуска заявлена библиотека Transformers. Модель принимает аудио и выдаёт текст.

Модель распространяется по лицензии OpenRAIL-M с изменениями; README описывает условия как допускающие коммерческое использование с ограничениями, включая синтез речи и биометрическую идентификацию. Она предназначена для распознавания датского языка, поэтому её пригодность для других языков не подтверждена.

Сценарии применения

  • транскрибация разговоров на датском языке
  • распознавание датской речи с диалектными особенностями
  • расшифровка начитанного датского текста
  • подготовка текстовых расшифровок датских аудиозаписей

Ограничения

Модель специализирована на датском языке; качество для других языков не подтверждено. README и метаданные расходятся в числе параметров: в метаданных указано 905,2 млн, в таблицах оценки — 1,54 млрд.

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

Røst-v3-whisper-1.5b

This is a Danish state-of-the-art speech recognition model, trained as part of the CoRal project by the Alexandra Institute.

This repository contains a Whisper-large model trained on the CoRal-v3 dataset. The CoRal-v3 dataset includes a rich variety of Danish conversational and read-aloud data, distributed across diverse age groups, genders, and dialects. The model is designed for automatic speech recognition (ASR).

Try it out in our interactive demo!

Quick Start

Start by installing the required libraries:

$ pip install transformers

Next you can use the model using the transformers Python package as follows:

>>> from transformers import pipeline
>>> audio = get_audio()  # 16kHz raw audio array
>>> transcriber = pipeline(model="CoRal-project/roest-v3-whisper-1.5b")
>>> transcriber(audio)
{'text': 'your transcription'}

Model Details

Whisper is a state-of-the-art model architecture for speech recognition, leveraging self-supervised learning from raw audio data. The pre-trained Whisper-large has been fine-tuned for automatic speech recognition with the CoRal-v3 dataset dataset to enhance its performance in recognising Danish speech with consideration to different dialects. The model was trained using the CoRal model training framework by running:

uv run accelerate launch \
  --use-deepspeed \
  --zero-stage 2 \
  src/scripts/finetune_asr_model.py \
  model=whisper-large \
  per_device_batch_size=64 \
  max_steps=30000

Note that the dataset, and thus also this model, is licensed under a custom license, adapted from OpenRAIL-M, which allows commercial use with few restrictions (speech synthesis and biometric identification) - see license.


Evaluation

The model was evaluated using Character Error Rate (CER), which is the percentage of characters incorrectly transcribed.

Conversational CoRal Performance

ModelNumber of parametersFinetuned on data of typeCoRal-v3::conversation CER
CoRal-project/roest-v3-whisper-1.5b (this model)1540MRead-aloud and conversation11.6%
CoRal-project/roest-v3-wav2vec2-315m315MRead-aloud and conversation13.7%
CoRal-project/roest-v2-wav2vec2-315m315MRead-aloud and conversation24.2%
CoRal-project/roest-v1-wav2vec2-315m315MRead-aloud17.6%
CoRal-project/roest-v1-whisper-1.5b1540MRead-aloud35.6%
syvai/hviske-v3-conversation1540MRead-aloud and conversation15.1%
syvai/hviske-v21540MRead-aloud29.4%
openai/whisper-large-v31540M-27.5%

Read-aloud CoRal Performance

ModelNumber of parametersFinetuned on data of typeCoRal-v3::read_aloud CER
CoRal-project/roest-v3-whisper-1.5b (this model)1540MRead-aloud and conversation4.5%
CoRal-project/roest-v3-wav2vec2-315m315MRead-aloud and conversation5.9%
CoRal-project/roest-v2-wav2vec2-315m315MRead-aloud and conversation6.4%
CoRal-project/roest-v1-wav2vec2-315m315MRead-aloud8.2%
CoRal-project/roest-v1-whisper-1.5b1540MRead-aloud4.0%
syvai/hviske-v3-conversation1540MRead-aloud and conversation4.5%
syvai/hviske-v21540MRead-aloud4.0%
openai/whisper-large-v31540M-10.1%

Creators and Funders

This model has been trained and the model card written by Dan Saattrup Smart at the Alexandra Institute.

The CoRal project is funded by the Danish Innovation Fund and consists of the following partners:

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
7182cce

0 моделей