/ Модель

Характеристики

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

translynx-pakistani-punjabi-whisper-small

Распознавание речиАудио → текст6 профессий

Модель TransLynx на базе Whisper Small распознаёт пакистанский пенджаби и записывает его текстом на шахмукхи.

50скачиваний за 30 дней0лайковвеса обновлены7 авг 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

TransLynx Pakistani Punjabi Whisper Small — модель распознавания речи, разработанная командой TransLynx путём дообучения мультиязычной Whisper Small от OpenAI. Она преобразует речь на пакистанском пенджаби в текст на письме шахмукхи. Для языка внутри Whisper используется токен урду «ur»; параметры языка и задачи транскрибирования заданы в конфигурации генерации.

Модель предназначена для транскрибации аудио, создания субтитров, голосовых интерфейсов и конвейеров обработки речевых данных на пакистанском пенджаби. В README указаны WER 7,07% на валидационной выборке и 11,50% на тесте с диктором, не участвовавшим в обучении. Обучение проводилось на 3 500 записях семи дикторов, произносивших один и тот же набор из 500 предложений.

Модель ориентирована на текстовый вывод шахмукхи и не предназначена для распознавания восточного пенджаби на письме гурмукхи. Ограниченный набор предложений и дикторов может снижать качество на спонтанной речи, при шуме, иных диалектах и незнакомой лексике. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на пакистанском пенджаби
  • создание субтитров для видео на пакистанском пенджаби
  • распознавание речи для голосового интерфейса на пенджаби
  • подготовка текстовых данных из записей пакистанской речи

Ограничения

Обучение охватывало 500 предложений и семь дикторов, поэтому качество может снижаться на спонтанной речи, в шуме, на других диалектах и при незнакомой лексике. Модель оптимизирована для письма шахмукхи и не предназначена для восточного пенджаби на письме гурмукхи.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TransLynx Pakistani Punjabi Whisper (Small)

A fine-tuned version of openai/whisper-small for Pakistani Punjabi speech recognition in Shahmukhi script (the Perso-Arabic script used to write Punjabi in Pakistan).

Model description

This model transcribes spoken Pakistani Punjabi into written Shahmukhi text. It was fine-tuned from OpenAI's multilingual Whisper Small checkpoint, which had a baseline Word Error Rate (WER) of roughly 70% on this language before fine-tuning.

Because Shahmukhi shares its character set with Urdu, the model uses the Urdu language token (ur) internally rather than the Whisper pa token, which corresponds to Eastern Punjabi in Gurmukhi script. The language and task are baked into the generation config, so you do not need to pass them at inference time.

Results

Evaluation setWER
Baseline (whisper-small, no fine-tuning)~70%
Validation (seen speakers)7.07%
Test (completely unseen speaker)11.50%

The test WER is measured on a speaker whose voice was never seen during training, which reflects real-world generalization to new voices.

Intended use

  • Transcription of Pakistani Punjabi audio into Shahmukhi text
  • Voice interfaces, subtitles, and speech data pipelines for Pakistani Punjabi
  • A starting checkpoint for further fine-tuning on additional Punjabi data

How to use

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import librosa
import torch

REPO_ID = "Ghost3454/translynx-pakistani-punjabi-whisper-small"

processor = WhisperProcessor.from_pretrained(REPO_ID)
model     = WhisperForConditionalGeneration.from_pretrained(REPO_ID)
device    = "cuda" if torch.cuda.is_available() else "cpu"
model     = model.to(device).eval()

# load a 16 kHz audio file
audio, _ = librosa.load("sample.wav", sr=16000)

inputs = processor(
    audio, sampling_rate=16000, return_tensors="pt"
).input_features.to(device)

with torch.no_grad():
    generated_ids = model.generate(inputs)

text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(text)

The language token (ur), task (transcribe), and a repetition guard are already set in the generation config, so no extra generation arguments are required.

Training data

  • 3,500 recordings total
  • 7 speakers, each recording the same 500 Punjabi sentences
  • Sentences written in Shahmukhi script
  • One speaker held out entirely as an unseen test set; the remaining six split 90/10 into train and validation

Training procedure

The model was fully fine-tuned (all parameters trained, no LoRA or quantization) on a single consumer GPU.

Key hyperparameters:

  • Base model: openai/whisper-small
  • Learning rate: 1e-5 with 100 warmup steps
  • Effective batch size: 16 (batch size 4 with gradient accumulation of 4)
  • Mixed precision: fp16
  • Max steps: 2000, evaluating every 200 steps
  • Best checkpoint selected by validation WER
  • Language token forced to ur for stable generation
  • no_repeat_ngram_size=3 to prevent decoding loops

Limitations

  • Trained on a controlled set of 500 sentences across 7 speakers, so vocabulary and acoustic diversity are limited compared to large-scale datasets.
  • Performance may drop on spontaneous speech, heavy background noise, dialects far from the training speakers, or vocabulary outside the training sentences.
  • Optimized for Shahmukhi output; it is not intended for Gurmukhi (Eastern Punjabi) transcription.

Team & credits

Developed by the TransLynx team:

  • Ali Hamza — model fine-tuning, training pipeline, and evaluation
  • Farwa — project planning, data collection, and recording
  • Jhangir — project planning, data collection, and recording

Thanks to all seven speakers who contributed recordings to the training dataset, without whom this model would not exist.

Citation

If you use this model, please credit the TransLynx Pakistani Punjabi ASR project.

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
449658a

0 моделей