/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny-yoruba2
Библиотека
transformers
Опубликована
10 июл 2026

whisper-tiny-yoruba3

Распознавание речиАудио → текст

Дообученная модель Whisper распознаёт речь на йоруба и преобразует аудио в текст.

6скачиваний за 30 дней0лайковвеса обновлены10 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

EYEDOL/whisper-tiny-yoruba3 — модель автоматического распознавания речи, разработанная EYEDOL и дообученная на базе EYEDOL/whisper-tiny-yoruba2 на наборе данных EYEDOL/naija-voices-yoruba-split_0-6. Она использует архитектуру WhisperForConditionalGeneration и содержит 29,4 млн параметров. Модель предназначена для преобразования речи на йоруба в текст; оценка на тестовом наборе составила WER 0,6293 и орфографический WER 0,7096.

Модель принимает аудио и выдаёт текст. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Показатели WER указывают на заметное количество ошибок, поэтому качество распознавания может быть недостаточным для задач, требующих высокой точности.

Сценарии применения

  • транскрибация аудиозаписей на йоруба
  • распознавание речи на йоруба в голосовых сообщениях
  • создание черновых субтитров для видео на йоруба

Ограничения

На оценочном наборе WER составил 0,6293, а орфографический WER — 0,7096, что указывает на существенную долю ошибок. Качество на других данных и в иных акустических условиях может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EYEDOL/whisper-tiny-yoruba3

This model is a fine-tuned version of EYEDOL/whisper-tiny-yoruba2 on the EYEDOL/naija-voices-yoruba-split_0-6 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7111
  • Wer Ortho: 0.7096
  • Wer: 0.6293

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: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer OrthoWer
1.44171.05830.71320.71720.6352
1.31792.011660.70390.69640.6110
1.21513.017490.70380.71010.6275
1.12684.023320.70580.70370.6166
1.05045.029150.71110.70960.6293

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
705d5d4

0 моделей