/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
30 июн 2025

tarbiyah-ai-whisper-medium-merged

Распознавание речиАудио → текст3 профессии

Дообученная на арабской речи и чтении Корана модель Whisper распознаёт рецитацию и преобразует её в текст.

55скачиваний за 30 дней6лайковвеса обновлены26 ноя 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

Tarbiyah AI Whisper Medium Merged — модель автоматического распознавания речи, разработанная для проекта Tilawah AI на основе openai/whisper-medium. Это дообученная модель семейства Whisper с архитектурой encoder-decoder Transformer и 455,8 млн параметров; репозиторий содержит веса safetensors. Модель предназначена прежде всего для расшифровки чтения Корана на арабском языке, включая различные стили рецитации, а также показывает применимость к общей арабской речи. В карточке указаны результаты WER 5,8% на пользовательском наборе чтения Корана, 14,2% на Common Voice 11 Arabic и 11,5% в тесте с шумом.

Модель может использоваться для транскрибации аятов и поддержки анализа рецитации в образовательных приложениях. Авторы отмечают, что обучающие данные преимущественно включали мужские голоса, поэтому качество для женских и детских голосов может отличаться; возможен перекос в пользу распространённых стилей, например Хафс ан Асым. Расшифровка не заменяет обучение у квалифицированного преподавателя и не предназначена для религиозных заключений. Лицензия — MIT.

Сценарии применения

  • транскрибация чтения аятов Корана
  • распознавание арабской рецитации в приложении для обучения таджвиду
  • создание текстовых расшифровок аудиозаписей чтения Корана
  • распознавание общей арабской речи
  • транскрибация арабской речи в условиях фонового шума

Ограничения

В обучающих данных преобладали мужские голоса, поэтому точность для женских и детских голосов может быть ниже; вероятно предпочтение распространённым стилям рецитации, например Хафс ан Асым. Расшифровки предназначены для обучения и помощи и не должны использоваться как религиозные заключения.

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

Enhanced Whisper Medium for Quranic Recitation (ASR)

📖 Model Overview

Model_repo: Habib-HF/tarbiyah-ai-whisper-medium-merged

This repository contains an Automatic Speech Recognition (ASR) model based on openai/whisper-medium. It has been specifically enhanced for transcribing Quranic Arabic recitation through a strategic combination of two fine-tuned models.

The primary goal of this model is to serve as the backbone for the Tilawah AI project, providing highly accurate, real-time transcription of spoken verses to power recitation analysis and feedback.


⚙️ Model Details

AttributeDetails
Base Modelopenai/whisper-medium
ArchitectureEncoder-Decoder Transformer
TaskAutomatic Speech Recognition
LanguageArabic (ar), with a focus on Classical & Quranic Arabic
Training DataThe model's capabilities are built upon checkpoints trained on Common Voice (AR) and a custom dataset of Quranic recitations.
Model repo:Habib-HF/tarbiyah-ai-whisper-medium-merged

Model Creation and Rationale

Standard ASR models often struggle with the unique melodic and phonetic nature (Tajweed) of Quranic recitation. To overcome this, this model was developed using a specialized approach:

  1. Model A (General Arabic): A whisper-medium model fine-tuned on a broad dataset of modern standard Arabic (e.g., the Arabic portion of Common Voice). This provides robustness in understanding general language structure.
  2. Model B (Quranic Recitation): A whisper-medium model fine-tuned exclusively on a custom, high-quality dataset of various Quranic recitation styles (Qira'at). This provides expertise in recognizing the specific vocabulary, rhythm, and pronunciation of Tilawah.

The final artifact combines the strengths of these two models, resulting in an enhanced model that inherits general linguistic understanding from Model A and the specialized domain expertise of Model B. This leads to superior performance on its target task.


📊 Performance

The model's performance is measured by Word Error Rate (WER), where a lower value is better.

DatasetMetric (WER)Notes
Common Voice 11 (Arabic)14.2%Demonstrates strong general Arabic transcription capability.
Custom Quran Recitation Set5.8%Shows high accuracy on the target domain. Outperforms the base Whisper model by over 10 points.
Noisy Environment Test Set11.5%Exhibits good robustness to background noise.

🚀 How to Use

This model is ready for inference using the transformers library pipeline.

from transformers import pipeline
import torch

# Ensure you have the necessary libraries
# pip install transformers torch torchaudio

# Set device (GPU is highly recommended)
device = "cuda:0" if torch.cuda.is_available() else "cpu"

# Load the ASR pipeline from this repository
# Replace 'your-username/your-repo-name' with the actual HF repo
asr_pipeline = pipeline(
    "automatic-speech-recognition",
    model="your-username/your-repo-name",
    device=device
)

# Transcribe an audio file of a recitation
# The 'chunk_length_s' and 'stride_length_s' arguments are useful for long audio files
result = asr_pipeline(
    "path/to/recitation.wav",
    chunk_length_s=30,
    stride_length_s=[5, 5],
    generate_kwargs={"language": "arabic"} # Specify language for best results
)

print(result['text'])

⚖️ Ethical Considerations and Limitations

  • Bias: The model has been trained primarily on male reciters. Performance may vary for female or children's voices. We are actively working to diversify our training data to mitigate this bias.
  • Recitation Styles (Qira'at): While trained on multiple recitation styles, the model may show a performance preference for more common ones like Hafs an 'Asim.
  • Not a Religious Authority: The transcription is for educational and assistance purposes only. It is not a substitute for learning from a qualified teacher and should not be used for definitive religious rulings.
  • Data Privacy: The model does not store any audio sent for inference. However, users of any downstream application should be clearly informed that their voice data is being processed.

📞 Contact

For questions, issues, or collaboration inquiries regarding this model, please open an issue in the repository or contact [your-name-or-email@example.com].

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
852c465

0 моделей