/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
15 июн 2026

whisper-large-v3-swahili-afrivoice-cv

Распознавание речиАудио → текст6 профессий

Дообученная Whisper large-v3 для транскрибации речи на суахили, особенно речи кенийских говорящих.

140скачиваний за 30 дней0лайковвеса обновлены15 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

Модель Elizabeth Mwangi — дообученная версия OpenAI Whisper large-v3 для автоматического распознавания речи на суахили. Она обучена на данных всех пяти доменов AfriVoice и на Common Voice Swahili; в первую очередь предназначена для речи кенийских говорящих, в том числе с нестандартными речевыми особенностями. Модель содержит около 905,2 млн параметров, использует архитектуру Whisper и доступна в формате safetensors.

Модель подходит для транскрибации записей на суахили, включая речь из разных прикладных доменов. В README приведены результаты на тестовых наборах: WER 0,244 на AfriVoice и 0,201 на Common Voice Swahili. Это показатели на указанных наборах, поэтому качество на других источниках и условиях записи может отличаться. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на суахили
  • распознавание речи кенийских говорящих
  • расшифровка нестандартной речи на суахили
  • создание текстовых субтитров для аудио на суахили

Ограничения

В README приведены оценки только для AfriVoice и Common Voice Swahili; качество на других наборах и условиях записи не установлено. Модель предназначена для суахили, поэтому не следует считать её универсальной для других языков.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large V3 — Swahili (AfriVoice All Domains + Common Voice)

Fine-tuned version of openai/whisper-large-v3 for Swahili ASR, trained on all 5 AfriVoice domains combined with CommonVoice Swahili.

Training Details

  • Base model: openai/whisper-large-v3
  • Language: Swahili (sw)
  • Task: Automatic Speech Recognition (ASR)
  • Training data: ElizabethMwangi/swahili_afrivoice_all_domains_v0.1 (389,599 utts) + cdli/common_voice_swahili_small (4,548 utts) = 394,147 total
  • Full model training: encoder, decoder, and projection updated
  • SpecAugment: On
  • Learning rate: 1e-5 (polynomial decay, LR end 1e-8, power 4)
  • Effective batch size: 32 (batch 4 x grad accum 8)
  • Max steps: 1000 (run in two stages: 0-400, then 400-1000)
  • Best checkpoint: Step 700 (AfriVoice dev WER 0.2393)
  • Output dir: sw_afrivoice_cv_tune_whisper_large_v0.1

Results

DatasetWERCER
AfriVoice dev0.2390.089
AfriVoice test0.2440.094
CommonVoice Swahili test0.2010.049
Swahili NSS test (885 examples)0.3940.172

Usage

from transformers import pipeline

asr = pipeline(
    'automatic-speech-recognition',
    model='ElizabethMwangi/whisper-large-v3-swahili-afrivoice-cv'
)
result = asr('audio.wav')
print(result['text'])

Intended Use

Swahili ASR with a focus on Kenyan speakers, including nonstandard speech patterns. Part of CDLI research into inclusive ASR for African languages.

Citation

If you use this model, please cite the AfriVoice dataset (DigitalUmuganda/Afrivoice_Swahili) and this repository.

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
eb59948

0 моделей