/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
26 июн 2026

whisper-tiny-yoruba

Распознавание речиАудио → текст4 профессии

Дообученная модель Whisper для распознавания и транскрибирования речи на йоруба.

10скачиваний за 30 дней0лайковвеса обновлены28 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

EYEDOL/whisper-tiny-yoruba — модель автоматического распознавания речи на базе архитектуры Whisper, дообученная разработчиком EYEDOL на наборе данных naija-voices-yoruba-split_0-1. Модель содержит 29,4 млн параметров и принимает аудио, выдавая распознанный текст; карточка указывает Transformers и формат safetensors.

Модель предназначена для транскрибирования речи на йоруба. В карточке приведены результаты оценки на тестовом наборе: WER 0,7006 и WER Ortho 0,7773. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей речи на йоруба
  • распознавание йоруба в аудиозаписях
  • создание текстовых расшифровок голосовых сообщений на йоруба

Ограничения

На оценочном наборе указаны WER 0,7006 и WER Ortho 0,7773, что следует учитывать при использовании расшифровок. Данных о других условиях тестирования и известных ограничениях карточка не содержит.

Для каких профессий подходит4

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

EYEDOL/whisper-tiny-yoruba

This model is a fine-tuned version of EYEDOL/whisper-tiny-yoruba on the EYEDOL/naija-voices-yoruba-split_0-1 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8526
  • Wer Ortho: 0.7773
  • Wer: 0.7006

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: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 16
  • 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: constant_with_warmup
  • lr_scheduler_warmup_steps: 0.1
  • num_epochs: 12
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer OrthoWer
1.73531.05830.86800.94480.8654
1.64362.011660.84940.82130.7490
1.51733.017490.83190.82370.7470
1.41434.023320.82150.78450.7128
1.32525.029150.81350.87880.7910
1.24256.034980.81060.79880.7224
1.16647.040810.81180.85080.7635
1.09508.046640.81560.76280.6813
1.02739.052470.81910.78670.7204
0.961110.058300.82920.77360.6948
0.897511.064130.83530.80070.7126
0.836312.069960.85260.77730.7006

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.8.3
  • 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
91f92a3

0 моделей