Характеристики

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

Ссылки

Hugging Face

whisper-large-v3-swahili-nss-afrivoice-edu

ElizabethMwangi

Распознавание речиАудио → текст4 профессии

Whisper Large V3, дообученная для транскрибации кенийской суахилийской речи с нестандартным произношением.

25скачиваний за 30 дней2лайкавеса 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Elizabeth Mwangi разработала эту модель на базе Whisper Large V3 для распознавания кенийской суахилийской речи с нестандартным произношением. Это второй этап дообучения: исходная модель Whisper Large V3 была адаптирована на образовательной речи AfriVoice, а затем чекпойнт дообучили на датасете CDLI Kenyan Swahili Nonstandard Speech. Модель содержит 905,2 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0.

Модель предназначена для автоматической транскрипции кенийской суахилийской речи, в том числе речи с выраженными отклонениями от стандартного произношения. На тестовом наборе Kenyan Swahili Nonstandard Speech авторы сообщают WER 0,307 и CER 0,146; результат зависит от выраженности отклонений, причём для тяжёлых случаев WER выше, чем для лёгких. Оценка приведена для конкретного тестового набора и не гарантирует аналогичного качества на других разновидностях речи или в иных условиях записи.

Сценарии применения

транскрибация кенийской суахилийской речи с нестандартным произношением
расшифровка образовательных аудиозаписей на суахили
распознавание речи с выраженными отклонениями от стандартного произношения

Ограничения

На тестовом наборе WER составил 0,307, а для речи с тяжёлыми отклонениями от нормы — 0,34. Эти результаты относятся к указанному набору данных и не устанавливают качество на других вариантах суахили или условиях записи.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large V3 — Swahili NSS (AfriVoice Education Domain)

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, a Stage 1 checkpoint trained on AfriVoice education-domain speech.

Training Details

Stage 1 base: ElizabethMwangi/whisper-large-v3-swahili-afrivoice (AfriVoice education domain)
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 750
Output dir: sw_nss_tune_whisper_v3_large_afrivoice_v1.1

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

Overall, compared to unadapted baseline

Model	Overall WER	Avg WER
openai/whisper-large-v3 (no adaptation)	0.845	-
This model (adapted)	0.307	0.272

Metric	Value
Overall WER	0.307
Overall CER	0.146
Avg WER	0.272
Avg CER	0.122
Meaning preservation	78.9%

By severity

Severity	WER	CER
Mild	0.20	0.08
Moderate	0.24	0.11
Severe	0.34	0.16

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: 8c01659