/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
20 июн 2026

whisper-small-swahili-afrivoice-cv

Распознавание речиАудио → текст

Дообученная на суахили модель Whisper Small для транскрибирования стандартной речи.

14скачиваний 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

Elizabeth Mwangi разработала Whisper Small — модель автоматического распознавания речи на суахили. Это стандартный этап дообучения openai/whisper-small на данных AfriVoice по пяти доменам в сочетании с Common Voice на суахили; чекпойнт также служит основой для последующего дообучения на нестандартной речи. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров.

Модель предназначена для транскрибирования стандартной речи на суахили. На тестовой выборке AfriVoice для стандартной речи указаны WER 0,475 и CER 0,199; на нестандартной речи до дополнительной адаптации — WER 0,596 и CER 0,248. Эти результаты указывают на более слабое распознавание нестандартной речи. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование стандартной речи на суахили
  • распознавание суахили в аудиозаписях AfriVoice
  • создание текстовых расшифровок аудио на суахили

Ограничения

На нестандартной речи качество ниже, чем на стандартной: до дополнительной адаптации WER составляет 0,596, CER — 0,248. Результаты приведены для указанных выборок и сами по себе не гарантируют качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small — Swahili (AfriVoice 5 Domains + Common Voice)

Stage 1 standard speech fine-tune of openai/whisper-small on AfriVoice Swahili (all 5 domains) interleaved with Common Voice Swahili. This model is trained on standard speech and serves as the base checkpoint for Stage 2 nonstandard speech fine-tuning (ElizabethMwangi/whisper-small-swahili-nss-afrivoice-cv).

Training Details

  • Dataset: AfriVoice Swahili all 5 domains (389,599 utterances) interleaved with Common Voice Swahili (4,548 utterances)
  • Language token: sw
  • Full model training: encoder, decoder, and projection updated
  • SpecAugment: On
  • Learning rate: 1e-5 (polynomial decay, warmup 100 steps)
  • Max steps: 1000
  • Best checkpoint: step 650 (lowest eval WER 0.481)
  • Output dir: sw_afrivoice_tune_whisper_small_v0.2

Results on AfriVoice Swahili (Standard Speech)

SplitWERCER
Dev0.4810.197
Test0.4750.199

Results on Kenyan Swahili Nonstandard Speech (unadapted, test set)

These results show performance on nonstandard speech before Stage 2 fine-tuning.

MetricValue
Overall WER0.596
Overall CER0.248

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
f10b2ad

0 моделей