Характеристики

Контекст: 1 024 токена
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-small
Библиотека: transformers
Опубликована: 8 июл 2026

Ссылки

Hugging Face

whisper-small-te

Iqrayaseen

Распознавание речиАудио → текст3 профессии

Дообученная на небольшом наборе аудиозаписей на телугу модель Whisper Small для транскрибирования телугуской речи.

10скачиваний за 30 дней0лайковвеса обновлены8 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Iqrayaseen/whisper-small-te — модель распознавания речи на телугу, созданная автором на основе openai/whisper-small и дообученная средствами Mozilla.ai Blueprint speech-to-text-finetune. Для обучения использованы 99 аудиозаписей на телугу из корпуса Common Voice; архитектура — WhisperForConditionalGeneration, веса опубликованы в формате safetensors.

Модель предназначена для преобразования телугуской речи в текст. В приведённой оценке после дообучения ошибки распознавания снизились относительно исходной Whisper Small: нормализованный WER составил 76,298, орфографический WER — 102,579, нормализованный CER — 47,274, орфографический CER — 64,387. Эти значения указывают на существенные ошибки, поэтому перед применением в продуктивных сценариях качество следует проверить на целевых аудиозаписях. Лицензия — Apache-2.0.

Сценарии применения

транскрибирование речи на телугу
создание черновых субтитров для аудио на телугу
распознавание телугуской речи в записях Common Voice
подготовка телугуского аудио к ручной расшифровке

Ограничения

Дообучение выполнено всего на 99 аудиозаписях, а приведённые показатели WER и CER остаются высокими; точность на других дикторах, записях и условиях не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Finetuned openai/whisper-small on 99 Telugu training audio samples from ./cv-corpus-26.0-2026-06-12/te.

This model was created from the Mozilla.ai Blueprint: speech-to-text-finetune.

Evaluation results on 93 audio samples of Telugu:

Baseline model (before finetuning) on Telugu

Word Error Rate (Normalized): 211.709
Word Error Rate (Orthographic): 197.708
Character Error Rate (Normalized): 174.02
Character Error Rate (Orthographic): 229.888
Loss: 2.799

Finetuned model (after finetuning) on Telugu

Word Error Rate (Normalized): 76.298
Word Error Rate (Orthographic): 102.579
Character Error Rate (Normalized): 47.274
Character Error Rate (Orthographic): 64.387
Loss: 1.076

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: 50ff892