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
Elizabeth Mwangi выпустила дообученную модель распознавания речи на базе Whisper large-v3. Это второй этап дообучения модели ElizabethMwangi/whisper-large-v3-swahili-afrivoice-cv на наборе CDLI Kenyan Swahili Nonstandard Speech; модель предназначена для транскрибации нестандартной речи на суахили, включая дизартричную речь, заикание и другие атипичные речевые особенности.
Модель принимает аудио и выдаёт текст. В карточке приведены результаты оценки: общий WER 0,2932 и CER 0,1289; средний WER составляет 0,3011. Для речи лёгкой, умеренной и тяжёлой степени выраженности указаны WER 0,203, 0,253 и 0,333 соответственно. Модель распространяется под лицензией Apache-2.0.
Сценарии применения
транскрибация нестандартной речи на суахили
распознавание кенийского суахили с атипичными речевыми особенностями
транскрибация речи с дизартрией
распознавание заикающейся речи на суахили
Ограничения
В приведённой оценке общий WER равен 0,2932, а WER для речи тяжёлой степени выраженности — 0,333; точность может быть ниже на такой речи.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
Stage 2 fine-tune on the CDLI Kenyan Swahili Nonstandard Speech dataset.
Built on top of ElizabethMwangi/whisper-large-v3-swahili-afrivoice-cv (Stage 1).
from transformers import pipeline
asr = pipeline(
"automatic-speech-recognition",
model="ElizabethMwangi/whisper-large-v3-swahili-nss-afrivoice-cv-v2"
)
result = asr("audio.wav")
print(result["text"])
Intended Use
This model is intended for transcription of Kenyan Swahili nonstandard speech, including dysarthric, stuttering, and otherwise atypical speech patterns.
Language token is set to Swahili (sw)
Citation
If you use this model, please cite the CDLI Kenyan Swahili Nonstandard Speech dataset and this repository.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров