Характеристики

Контекст: 1 024 токена
Параметры: 456 млн
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-medium
Опубликована: 26 ноя 2025

Ссылки

Hugging Face

whisper-medium-nepali-openslr

Dragneel

Распознавание речиАудио → текст5 профессий

Дообученная на корпусе OpenSLR 54 модель Whisper Medium для расшифровки непальской речи в текст.

124скачиваний за 30 дней0лайковвеса обновлены26 ноя 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.

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

Dragneel/whisper-medium-nepali-openslr — модель распознавания речи на архитектуре Whisper Medium, созданная дообучением openai/whisper-medium на корпусе непальской речи OpenSLR 54. Она преобразует непальскую аудиозапись в текст и предназначена для расшифровки речи, например записей и речевых материалов на непальском языке. В метаданных указано 455,8 млн параметров; README сообщает примерно о 154 часах обучающих аудиоданных и WER 14,04%. Модель принимает аудио и выдаёт текст. Распространяется по лицензии Apache-2.0.

Сценарии применения

расшифровка записей на непальском языке
преобразование непальской речи в текст
транскрибирование речевых материалов из корпуса OpenSLR 54

Ограничения

Показатель WER 14,04% относится к результатам, приведённым в README; качество на других аудиоданных не описано. Модель дообучена для непальской речи, поэтому её применимость к другим языкам не установлена.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

I.3Извлечение и структурирование данных

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Medium Fine-tuned on Nepali (OpenSLR 54)

This model is a fine-tuned version of openai/whisper-medium on the OpenSLR 54 (Nepali Speech Corpus) dataset.

Model Details

Model: Whisper Medium (769M Parameters)
Dataset: ~154 Hours of Nepali Audio
Language: Nepali
Hardware: NVIDIA A100 80GB

Results

WER: 14.04%
Loss: 0.0710

Usage

from transformers import pipeline

transcriber = pipeline(
    "automatic-speech-recognition", 
    model="Dragneel/whisper-medium-nepali-openslr"
)

text = transcriber("path_to_audio.mp3")
print(text["text"])

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: a435aa8