/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
3 июн 2025

whisper-large-v3-Tarteel

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Large V3 распознаёт арабские коранические рецитации и преобразует их в текст.

178скачиваний за 30 дней6лайковвеса обновлены4 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

IJyad/whisper-large-v3-Tarteel — дообученная модель OpenAI Whisper Large V3 для распознавания арабской речи при чтении Корана. Она принимает аудио и преобразует записи коранической рецитации в текст; для обучения использован набор Tarteel AI Everyayah. Модель содержит 905,2 млн параметров и распространяется в форматах PyTorch и Safetensors.

Модель предназначена для транскрибации коранических рецитаций и исследований, связанных с исламоведением. Валидационный показатель WER в README указан примерно как 48%; модель ориентирована на узкую область и может хуже работать с другими видами арабской речи, а также не предназначена для других языков. Для надёжного вывода рекомендуется передавать явные маски внимания. Лицензия — MIT.

Сценарии применения

  • транскрибация чтения Корана на арабском языке
  • создание текстовых расшифровок аудиозаписей коранических рецитаций
  • распознавание коранического чтения для исламоведческих исследований

Ограничения

Модель предназначена для арабских коранических рецитаций и может плохо работать на других видах арабской речи и других языках. В README указан WER около 48%; для надёжного вывода рекомендуется передавать явную маску внимания.

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

whisper-large-v3-Tarteel

Model Description

This model is a fine-tuned version of OpenAI’s Whisper Large V3 model, adapted specifically for Arabic Quranic speech recognition using the Tarteel AI Everyayah Dataset. It is optimized to transcribe Quranic recitations with improved accuracy on this specialized dataset.

Training Details

  • Base model: openai/whisper-large-v3
  • Dataset: Tarteel AI Everyayah Dataset (language: Arabic, splits: train + validation)
  • Training steps: 5000
  • Batch size: 16
  • Learning rate: 1e-5
  • Gradient checkpointing: enabled
  • FP16 mixed precision: enabled

Loss and Metrics

  • Training loss decreased to near zero
  • Validation WER (Word Error Rate) improved steadily to ~48%

Known Issues / Notes

  • The training process showed a warning regarding use_cache=True being incompatible with gradient checkpointing, which was automatically handled by disabling use_cache.
  • Attention mask warnings appear when the pad token is the same as the EOS token; providing explicit attention masks is recommended for reliable inference.
  • This model is intended for Arabic Quranic speech only and may not perform well on other Arabic speech domains.

Intended Use

  • Automatic speech recognition (ASR) of Quranic recitations in Arabic.
  • Useful for Quranic audio transcription and research related to Islamic studies.
  • Not intended for general Arabic speech recognition or other languages.

Usage Example

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torch
import librosa

model_name = "ijyad/whisper-large-v3-Tarteel"

processor = WhisperProcessor.from_pretrained(model_name)
model = WhisperForConditionalGeneration.from_pretrained(model_name)

# Load audio (replace with your audio file)
audio, rate = librosa.load("path_to_quran_audio.wav", sr=16000)
input_features = processor(audio, sampling_rate=rate, return_tensors="pt").input_features

# Generate transcription
predicted_ids = model.generate(input_features)
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)

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
40a837a

0 моделей