/ Модель

Характеристики

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

whisper-large-v3-swahili-nss-afrivoice-cv

Распознавание речиАудио → текст7 профессий

Модель Whisper large-v3, дообученная для транскрибации нестандартной речи на суахили, особенно речи кенийских говорящих.

14скачиваний за 30 дней1лайквеса 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-cv — модель распознавания речи на суахили, разработанная как второй этап дообучения Whisper large-v3. Она адаптирована к нестандартной речи кенийских говорящих на наборе Kenyan Swahili Nonstandard Speech; предыдущий этап обучался на данных AfriVoice из пяти областей и Common Voice Swahili. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и сохраняется в формате safetensors.

Модель предназначена для транскрибации кенийской речи на суахили, в том числе речи с выраженными нестандартными особенностями. На тестовой выборке Kenyan Swahili Nonstandard Speech авторы сообщают WER 0,328 и CER 0,158; WER составил 0,21 для лёгкой, 0,25 для умеренной и 0,34 для тяжёлой степени нестандартности. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация нестандартной речи на суахили
  • распознавание кенийской речи на суахили
  • расшифровка аудиозаписей для создания текстовых расшифровок
  • оценка качества распознавания речи на тестовых данных Kenyan Swahili Nonstandard Speech

Ограничения

По мере увеличения степени нестандартности речи качество снижается: WER составляет 0,21 для лёгкой, 0,25 для умеренной и 0,34 для тяжёлой степени. Приведённые метрики относятся к тестовой выборке Kenyan Swahili Nonstandard Speech и могут не отражать качество на других данных.

Для каких профессий подходит7

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 NSS (AfriVoice 5 Domains + Common Voice)

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-cv, a Stage 1 checkpoint trained on AfriVoice (all 5 domains) interleaved with Common Voice Swahili.

Training Details

  • Stage 1 base: ElizabethMwangi/whisper-large-v3-swahili-afrivoice-cv (AfriVoice 5 domains + Common Voice)
  • 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 550
  • Output dir: sw_nss_tune_whisper_v3_large_afrivoice_v1.2

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-cv, no NSS tuning)0.498-
This model (adapted)0.3280.276
MetricValue
Overall WER0.328
Overall CER0.158
Avg WER0.276
Avg CER0.124
Meaning preservation76.7%

By severity

SeverityWERCER
Mild0.210.09
Moderate0.250.11
Severe0.340.15

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
6121487

0 моделей