/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
7 мая 2025

code-switched-egyptian-arabic-whisper-small

Распознавание речиАудио → текст5 профессий

Дообученная модель Whisper Small для транскрибации аудио с переключением между египетским арабским и английским языками.

316скачиваний за 30 дней5лайковвеса обновлены17 мая 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

Модель Ibrahim Amin — дообученная версия OpenAI Whisper Small для автоматической транскрибации аудио с переключением между египетским арабским и английским языками. Она использует архитектуру WhisperForConditionalGeneration и содержит 153,1 млн параметров; модель принимает аудио и выдаёт текстовую расшифровку. Обучение включало наборы MohamedRashad/arabic-english-code-switching и FLEURS ar_eg, а также пользовательскую подборку аудио с YouTube.

Модель предназначена прежде всего для расшифровки неформальной речи, интервью и подкастов, где собеседники чередуют египетский арабский и английский. В карточке приведены результаты оценки WER на FLEURS ar_eg, ESCWA и MGB-3; на этих наборах дообученная модель показала более низкий WER, чем базовый Whisper Small. Лицензия — Apache-2.0.

Точность может снижаться на речи только на одном языке и при переключении на языки, отличные от египетского арабского и английского. Результаты также зависят от качества аудио, акцента говорящего и фонового шума.

Сценарии применения

  • транскрибация египетских интервью с арабско-английским переключением языков
  • расшифровка египетских подкастов и неформальных разговоров
  • получение текстовых расшифровок египетских видео с YouTube
  • исследование переключения кодов в египетской устной речи

Ограничения

Точность может быть ниже на монолингвальной речи и при переключении на языки, отличные от египетского арабского и английского. На качество также влияют шум, качество записи и акцент говорящего.

Для каких профессий подходит5

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

🤫🇪🇬🌐 Whisper Small – Code-Switched Egyptian Arabic-English ASR

Model ID: IbrahimAmin/code-switched-egyptian-arabic-whisper-small
Base Model: openai/whisper-small
Languages: Egyptian Arabic, English (code-switched)
Author: Ibrahim Amin


🧠 Model Description

This model is a fine-tuned version of OpenAI's Whisper Small, optimized for Automatic Speech Recognition (ASR) on code-switched Egyptian Arabic-English audio. It is designed to accurately transcribe speech that alternates between Egyptian Arabic and English, a common occurrence in informal conversations, media, and social platforms within Egypt.


📚 Training Data

The model was trained on a diverse set of datasets to capture the nuances of code-switching:

  • MohamedRashad/arabic-english-code-switching: A dataset comprising 12.5k audio samples featuring spontaneous code-switched speech.
  • google/fleurs: Specifically, the ar_eg train subset was utilized to incorporate Egyptian Arabic speech patterns.
  • Custom YouTube Dataset: A curated collection of Egyptian Arabic-English code-switched audio from YouTube, enhancing the model's ability to handle real-world conversational scenarios.

🚀 Usage

To utilize this model for transcription tasks:

import torch
from transformers import pipeline

# Config
model_name = "IbrahimAmin/code-switched-egyptian-arabic-whisper-small"
torch_dtype = torch.float16
device = "cuda" if torch.cuda.is_available() else "cpu"

# Load the pipeline
asr = pipeline(task='automatic-speech-recognition',
                model=model_name, torch_dtype=torch_dtype, device=device)

path = "path_to_audio_file.wav"

# Inference
result = asr(path, return_timestamps=False, chunk_length_s=30,
              generate_kwargs={"task": "transcribe", "language": "<|ar|>", "num_beams": 5})

print(result['text'])

📊 Evaluation Metrics

The model's performance was evaluated using Word Error Rate (WER) across multiple test sets:

These results indicate the model's effectiveness in handling code-switched speech, particularly in the context of Egyptian Arabic.

DatasetBaseline Whisper Small WER (%)Fine-Tuned Model WER (%)
FLEURS ar_eg test set (transcription column)30.2924.36
ESCWA98.1545.12
MGB-3 (dev-test)72.67 – 79.8444.29 – 49.00
Common Voice 17.0 Arabic Subset (Test Set)74.1669.14
  • Whisper models were decoded using beam search (beam_size = 5) and evaluated using BasicTextNormalizer with remove_diacritics=False and split_letters=False, applied to both predictions and reference text.
  • MGB-3 dev/test sets WER% scores are MR-WER% scores calculated using this repo

✅ Intended Use

  • Primary: Transcription of code-switched Egyptian Arabic-English audio, including interviews, podcasts, and informal conversations.
  • Secondary: Research in sociolinguistics, code-switching phenomena, and development of multilingual ASR systems.

⚠️ Limitations

  • The model may exhibit reduced accuracy on monolingual speech or code-switching involving languages other than Egyptian Arabic and English.
  • Performance might vary with audio quality, speaker accents, and background noise.

📎 Citation

If you utilize this model in your research or applications, please cite it as follows:

@misc{amin2025whispercodeswitch,
  author = {Ibrahim Amin},
  title = {Whisper Small – Code-Switched Egyptian Arabic-English ASR},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/IbrahimAmin/code-switched-egyptian-arabic-whisper-small}}
}

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
9e5bb21

0 моделей