/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
1 июл 2026

luganda-agr-asr-whisper-small-stage1

Распознавание речиАудио → текст

Модель на базе Whisper small распознаёт аудиоречь на луганда, с настройкой для сельскохозяйственной тематики.

6скачиваний за 30 дней0лайковвеса обновлены2 июл 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

Gemmar/luganda-agr-asr-whisper-small-stage1 — модель автоматического распознавания речи на основе Whisper small, представленная в эксперименте по расширению доступа к сельскохозяйственной информации на языке луганда. Она принимает аудио и преобразует речь в текст; карточка описывает оценку на тестовых наборах общей речи на луганда и речи на сельскохозяйственную тематику. Для декодирования автор использует поиск по лучу с пятью лучами и принудительно задаёт языковой токен луганда, которого нет среди встроенных языков Whisper.

На тесте общей речи показатель WER составил 46,5%, а на сельскохозяйственном наборе — 34,94%; результаты указывают на заметно лучшее распознавание в целевом домене. Модель распространяется под лицензией Apache-2.0. В карточке указана архитектура WhisperForConditionalGeneration и формат весов safetensors.

Сценарии применения

  • транскрибирование сельскохозяйственных консультаций на луганда
  • распознавание вопросов фермеров в аудиозаписях
  • преобразование устных сельскохозяйственных инструкций в текст
  • транскрибирование общей речи на луганда

Ограничения

На тесте общей речи WER составляет 46,5%, что указывает на существенные ошибки распознавания; результаты на сельскохозяйственном тесте лучше (WER 34,94%), но также не означают безошибочную транскрипцию. Для луганда требуется предусмотренный автором языковой токен и декодирование с параметрами из карточки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper-small — Luganda Agricultural ASR (E2 · Stage 1)

"Building an ASR Model for Luganda Agricultural Information Access"

Experiment E2 of a 9-condition matrix (3 models × 3 strategies). Training logged in real-time at W&B run.


Evaluation Results

Test setDomainnWER (%)CER (%)95 % CI
CV25 Luganda — test (T1)General Luganda11,82346.548.04[35.25, 57.63]
Yogera Agricultural — test (T2)Agricultural Luganda11,67934.9411.54[34.43, 35.46]

Domain gap (T2 − T1 WER): -11.56 pp

Decoding uses beam search (num_beams = 5) with custom <|luganda|> language token forced at position 1 (Luganda is not in Whisper's 99 supported languages).


Training Details

ParameterValue
Base modelopenai/whisper-small
StrategySingle-stage fine-tuning (Stage 1)
Training dataCommon Voice 25 Luganda — train split
ValidationCommon Voice 25 Luganda — dev split
Max steps15,000
Warmup steps500
Learning rate1e-05
Effective batch size32
Precisionbf16
SpecAugmentYes
Best validation WER46.28%
Total steps trained15,000

Usage

from transformers import pipeline

# Model config stores forced_decoder_ids for <|luganda|> + <|transcribe|>.
# No need to pass language= (Luganda is not in Whisper's built-in token list).
pipe = pipeline(
    "automatic-speech-recognition",
    model="Gemmar/luganda-agr-asr-whisper-small-stage1",
    generate_kwargs={"task": "transcribe", "num_beams": 5},
)
result = pipe("your_audio.wav")
print(result["text"])

Citation

@mastersthesis{gemmar2026luganda,
  author = {Freedom Gemmar},
  title  = {Building an ASR Model for Luganda Agricultural Information Access},
  school = {Makerere University},
  year   = {2026},
}

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
b4a9760

0 моделей