/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
20 июн 2026

whisper-large-v3-swahili-nss-afrivoice-5domains

Распознавание речиАудио → текст4 профессии

Дообученная модель Whisper Large V3 для распознавания нестандартной суахилийской речи в Кении.

13скачиваний за 30 дней0лайковвеса обновлены20 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

ElizabethMwangi/whisper-large-v3-swahili-nss-afrivoice-5domains — модель распознавания речи на базе Whisper Large V3, разработанная Elizabeth Mwangi. Это этап 2 дообучения для распознавания нестандартной суахилийской речи из Кении; исходная модель была дообучена на корпусе AfriVoice по пяти предметным областям, а этот чекпойнт дополнительно обучен на наборе CDLI Kenyan Swahili Nonstandard Speech. Архитектура — WhisperForConditionalGeneration, около 905,2 млн параметров; модель принимает аудио и выдаёт текст на суахили.

На тестовом наборе нестандартной речи автор сообщает WER 0,329 и CER 0,171; для лёгкой, средней и тяжёлой степени нестандартности WER составляет соответственно 0,21, 0,25 и 0,35. Лицензия — Apache-2.0. Показатели относятся к указанному тестовому набору, поэтому качество на других данных может отличаться.

Сценарии применения

  • транскрибация нестандартной суахилийской речи в Кении
  • распознавание разговорной речи с отклонениями от стандартного суахили
  • создание текстовых расшифровок аудиозаписей на суахили
  • оценка распознавания речи по степени её нестандартности

Ограничения

В тестах на нестандартной речи WER увеличивается с 0,21 для лёгких отклонений до 0,35 для тяжёлых. Приведённые результаты относятся к конкретному тестовому набору и не подтверждают качество на других разновидностях суахилийской речи.

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

Whisper Large V3 — Swahili NSS (AfriVoice 5 Domains)

Stage 2 nonstandard speech fine-tune of openai/whisper-large-v3 on the CDLI Kenyan Swahili Nonstandard Speech dataset. Built on top of ElizabethMwangi/whisper-large-v3-swahili-afrivoice-5domains, a Stage 1 checkpoint trained on AfriVoice Swahili across all 5 domains (389,599 utterances), best step 600.

Training Details

  • Stage 1 base: ElizabethMwangi/whisper-large-v3-swahili-afrivoice-5domains (AfriVoice 5 domains, 389,599 utterances)
  • Stage 2 dataset: cdli/kenyan_swahili_nonstandard_speech_v1.0 (849 examples)
  • Language token: sw
  • Full model training: encoder, decoder, and projection updated
  • SpecAugment: On
  • Learning rate: 5e-5 (polynomial decay, warmup 40 steps)
  • Max steps: 1000
  • Best checkpoint: step 650
  • Output dir: sw_nss_tune_whisper_v3_large_afrivoice_v1.3

Results on Kenyan Swahili Nonstandard Speech (test set, best checkpoint)

Overall, compared to unadapted baseline

ModelOverall WERAvg WER
openai/whisper-large-v3 (no adaptation)0.845-
Stage 1 only (afrivoice-5domains, no NSS tuning)0.434-
This model (adapted)0.3290.279
MetricValue
Overall WER0.329
Overall CER0.171
Avg WER0.279
Avg CER0.128
Meaning preservation75.7%

By severity

SeverityWERCER
Mild0.210.09
Moderate0.250.11
Severe0.350.16

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
b72e2dc

0 моделей