/ Модель

Характеристики

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

whisper-small-swahili-afrivoice_cv

Распознавание речиАудио → текст

Дообученная версия Whisper Small для транскрибирования стандартной речи на суахили.

7скачиваний за 30 дней0лайковвеса обновлены27 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 дообучила Whisper Small для автоматического распознавания стандартной речи на суахили. Модель принимает аудио и выдаёт его текстовую транскрипцию; обучение проводилось на наборах AfriVoice Swahili и CommonVoice Swahili. Это первый этап двухэтапного дообучения: отдельная модель предназначена для нестандартной речи на суахили.

Модель основана на архитектуре WhisperForConditionalGeneration, содержит 153,1 млн параметров и распространяется в формате safetensors. На тестовом наборе AfriVoice указаны нормализованные WER 47,41% с поправкой и 48,02% без неё, а CER с поправкой — 19,82%. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей на суахили
  • распознавание суахилийской речи в аудиофайлах
  • создание текстовых субтитров для речи на суахили

Ограничения

Модель обучена на стандартной речи; для нестандартной речи на суахили предназначен отдельный этап дообучения. На тестовом наборе AfriVoice WER составляет около 47–48%, поэтому точность распознавания ограничена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small — Swahili (AfriVoice + CommonVoice, No SpecAugment)

Fine-tuned version of openai/whisper-small for automatic speech recognition of Swahili, trained on standard speech from the AfriVoice Swahili dataset and CommonVoice Swahili.

This is Stage 1 of a two-stage fine-tuning pipeline. Stage 2 further fine-tunes this model on non-standard Swahili speech — see ElizabethMwangi/whisper-small-swahili-nss_afrivoice_cv.

Model Details

  • Base model: openai/whisper-small
  • Language: Swahili (sw)
  • Task: Automatic Speech Recognition (ASR)
  • Training data: AfriVoice Swahili + CommonVoice Swahili

Evaluation Results (AfriVoice Swahili test set)

MetricValue
WER (adjusted, normalised)47.41%
CER (adjusted, normalised)19.82%
WER (unadjusted, normalised)48.02%
CER (unadjusted, normalised)19.99%

Usage

from transformers import pipeline

asr = pipeline("automatic-speech-recognition", model="ElizabethMwangi/whisper-small-swahili-afrivoice_cv")
result = asr("audio.wav")
print(result["text"])

Training Details

  • Fine-tuned using Hugging Face Seq2SeqTrainer
  • Language token: sw
  • Learning rate: 1e-5 with polynomial decay
  • Batch size: 32
  • Total steps: 1000
  • Spec augment: disabled (no SpecAugment)

Citation

If you use this model, please cite the AfriVoice Swahili dataset and this repository.

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
42d4a1d

0 моделей