/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny-yoruba1
Библиотека
transformers
Опубликована
4 июл 2026

Ссылки

Hugging Face

whisper-tiny-yoruba2

EYEDOL
Распознавание речиАудио → текст

Дообученная на йоруба модель Whisper для автоматического преобразования речи в текст.

7скачиваний за 30 дней0лайковвеса обновлены5 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.

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

EYEDOL/whisper-tiny-yoruba2 — дообученная EYEDOL модель автоматического распознавания речи на базе EYEDOL/whisper-tiny-yoruba1. Модель использует архитектуру Whisper и содержит 29,4 млн параметров; она предназначена для транскрибирования речи на йоруба.

Модель дообучена на наборе EYEDOL/naija-voices-yoruba-split_0-5. В карточке приведены результаты оценки: Loss 0,8206, WER Ortho 0,7328 и WER 0,6605. Доступны веса в формате safetensors, библиотека для работы — Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование речи на йоруба
  • распознавание йоруба в аудиозаписях
  • создание текстовых расшифровок аудио на йоруба

Ограничения

На оценочном наборе указаны WER 0,6605 и WER Ortho 0,7328, что следует учитывать при использовании расшифровок. README не описывает дополнительные ограничения модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EYEDOL/whisper-tiny-yoruba2

This model is a fine-tuned version of EYEDOL/whisper-tiny-yoruba1 on the EYEDOL/naija-voices-yoruba-split_0-5 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8206
  • Wer Ortho: 0.7328
  • Wer: 0.6605

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
1.46471.05830.74700.71720.6312
1.40312.011660.74090.73860.6564
1.30103.017490.74060.72290.6421
1.21364.023320.73840.74770.6644
1.13625.029150.74130.78770.7124
1.06266.034980.74620.71620.6332
0.99477.040810.75730.75470.6707
0.93148.046640.76240.70620.6266
0.86809.052470.77470.72110.6416
0.808010.058300.78810.75190.6641
0.748111.064130.80320.73100.6519
0.692212.069960.82060.73280.6605

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
e51f338

0 моделей

    Создать бенчмарк