/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
MIT
Архитектура
whisper · dense
Опубликована
23 июн 2025

tarbiyah-ai-v1-1

Распознавание речиАудио → текст3 профессии

Модель на базе Whisper-small распознаёт арабскую речь при чтении Корана и преобразует её в текст.

128скачиваний за 30 дней3лайкавеса обновлены25 июн 2025

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

Habib-HF/tarbiyah-ai-v1-1 — модель распознавания речи на базе Whisper-small от OpenAI, дообученная для транскрибации чтения Корана на арабском языке. Она принимает аудио и выдаёт текст; предназначена для практики чтения, получения транскрипции аятов и интеграции в приложения для изучения Корана и таджвида. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; файлы представлены в формате safetensors. Модель выпущена под лицензией MIT.

Модель специализируется на коранической рецитации, но не проверяет правила таджвида: текущая цель — точность транскрипции. По карточке, качество может снижаться на стилях чтения и вариантах кираата, отсутствовавших в обучении, детских голосах, сильных региональных акцентах, шумных записях и быстрой или неразборчивой речи. На указанной в README оценочной выборке WER составил 40,48%, поэтому результат может требовать проверки и исправления.

Сценарии применения

  • транскрибация чтения аятов Корана
  • получение текстовой расшифровки для практики чтения Корана
  • интеграция распознавания коранической рецитации в учебное приложение
  • создание текстовой основы для последующей проверки чтения

Ограничения

Качество может снижаться на детских голосах, сильных региональных акцентах, стилях чтения и вариантах кираата, недостаточно представленных в обучении, а также при шуме и быстрой или неразборчивой речи. Модель транскрибирует слова, но не выявляет и не исправляет нарушения правил таджвида; указанный WER на оценочной выборке — 40,48%.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Habib-HF/tarbiyah-ai-v1-1 - Fine-tuned Whisper Small for Quranic Recitation

Model Description

This model is a fine-tuned version of OpenAI's whisper-small model, specifically adapted for Automatic Speech Recognition (ASR) of Quranic Arabic recitation. It has been trained to accurately transcribe spoken Quranic verses into text.

The primary goal of this model is to serve as the core AI engine for the [Your App Name] app, which aims to provide real-time feedback and learning tools for Quranic recitation.

Intended Use

This model is intended for:

  • Quranic Recitation Practice: Assisting individuals in practicing their Quran recitation.
  • Transcription: Generating text from spoken Quranic verses.
  • Integration: As a backend API for mobile or web applications focused on Quranic learning and Tajweed.

Limitations and Bias

It's important to understand the limitations of this model for responsible use:

  • Data Specificity: While fine-tuned on Quranic recitation, its performance may vary with different recitation styles or Qira'at not present in the training data.
  • Speaker Characteristics: The model was primarily fine-tuned on adult voices. Its performance on children's voices or highly varied accents (e.g., strong regional Arabic accents not represented in the training data) is expected to be suboptimal. Future iterations will address children's voices specifically.
  • Audio Quality: Performance may degrade significantly with noisy backgrounds, poor microphone quality, or very fast/unclear recitation.
  • No Tajweed Correction (Yet): This version primarily focuses on word-level transcription accuracy (WER). Advanced Tajweed rule detection (like Madd duration, Ghunna quality) is a future development phase built on top of this model.

Training Data

This model was fine-tuned on a subset of the MohamedRashad/Quran-Recitations dataset from the Hugging Face Hub.

  • Training Samples: Approximately [10,000] samples from the train split.
  • Evaluation Samples: Approximately [1,000] samples from the train split (used for validation).
  • Data Characteristics: The dataset consists of various reciters reading Quranic verses.

Training Procedure

The model was fine-tuned using the transformers library's Seq2SeqTrainer in a Google Colab Pro environment.

  • Base Model: openai/whisper-small
  • Training Steps: max_steps=4000
  • Gradient Accumulation: gradient_accumulation_steps=2
  • Mixed Precision: fp16=True
  • Data Loading: Streaming (streaming=True) with custom error handling to skip malformed audio files and long text sequences. dataloader_num_workers=0 was used to prevent pickling errors.
  • Optimizer: AdamW
  • Learning Rate: 1e-5
  • Evaluation Strategy: Evaluated every 500 steps (eval_steps=500).
  • Best Model Saving: The best model checkpoint (based on lowest WER) was loaded and saved at the end of training (load_best_model_at_end=True).

Evaluation Results

The best performance achieved on the evaluation set during training was:

  • Word Error Rate (WER): [40.48%] (achieved at approximately Step [2000])

(Note: While initial, this WER is a strong foundation for a fine-tuned model on new data, indicating significant improvement from the base Whisper's general Arabic WER on recitation. Further training on more data is planned to achieve lower WER for production use.)

Acknowledgements

  • OpenAI: For developing the groundbreaking Whisper model.
  • MohamedRashad: For curating and open-sourcing the Quran-Recitations dataset on Hugging Face.

License

This model is licensed under the MIT License.


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
0871cb1

0 моделей