/ Модель

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
4 июл 2025

whisper-large-v3-turbo-cantonese-noise-detection

Распознавание речиАудио → текст4 профессии

Дообученная Whisper Large v3 Turbo для потоковой транскрибации кантонской речи с уменьшением ложных распознаваний на тишине и фоне.

111скачиваний за 30 дней4лайкавеса обновлены11 окт 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 JackyHoCL/whisper-large-v3-turbo-cantonese-noise-detection — дообученная версия Whisper Large v3 Turbo от JackyHoCL для потокового распознавания речи с подавлением ложных срабатываний на тишине и фоновом шуме. Она преобразует аудио в текст и рассчитана прежде всего на кантонскую речь; базовая модель также предназначена для кантонского и смешанного кантонско-английского аудио. При обнаружении шума модель может выводить маркер «%nz», который следует удалять или заменять в итоговой расшифровке.

Модель содержит 905,2 млн параметров, использует архитектуру Whisper и распространяется в формате safetensors. В README приведены результаты CER на тестовых наборах Common Voice и рекомендации по параметрам генерации для потокового сценария. Лицензия — MIT. Для работы с токенизатором README рекомендует Transformers версии 4.46.3 или новее.

Сценарии применения

  • потоковая транскрибация кантонской речи
  • распознавание кантонской речи в шумной среде
  • уменьшение ложных слов при тишине и фоновом шуме
  • транскрибация смешанной кантонско-английской речи

Ограничения

При обнаружении шума в расшифровке появляется маркер «%nz», который нужно удалить или заменить. Качество зависит от языка и условий записи; приведённые оценки CER получены на конкретных наборах Common Voice.

Для каких профессий подходит4

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

Important Note:

This model is for streaming purpose, to reduce false positive results(hallucinations) in silent/background noise The noise is labeled as "%nz", please remove/replace this pattern in the transcribe result


temperature=0.3, extra_body=dict( seed=4419, repetition_penalty=1.05, top_p=0.5 ),

2025-10-07: CER:

DatasetLangSplitCER(in %)
Trainingyuevalidation6.19
mozilla-foundation/common_voice_22_0yuetest1.77
mozilla-foundation/common_voice_17_0yuetest0.751
mozilla-foundation/common_voice_17_0entest(2k samples)5.55
mozilla-foundation/common_voice_16_1zh-CNtest8.02
JackyHoCL/cleaned_mixed_cantonese_and_english_speechyuetest7.68
Sunbird/urban-noise-uganda-61k:small(1k)noisehalf(500)0

2025-07-21: CER:

DatasetLangSplitCER(in %)
Trainingyuevalidation3.234
mozilla-foundation/common_voice_17_0yuetest0.437
mozilla-foundation/common_voice_17_0entest(2k samples)5.18
mozilla-foundation/common_voice_16_1zh-CNtest11.74
JackyHoCL/cleaned_mixed_cantonese_and_english_speechyuetest9.86
Sunbird/urban-noise-uganda-61k:small(1k)noisehalf(500)12.7

2025-07-06: CER:

DatasetLangSplitCER(in %)
Trainingyuevalidation8.95
mozilla-foundation/common_voice_17_0yuetest8.78
mozilla-foundation/common_voice_16_1yuetest8.76
JackyHoCL/cleaned_mixed_cantonese_and_english_speechyuetest8.00
Sunbird/urban-noise-uganda-61k:small(1k)noisehalf(500)0.0

Train Args:

per_device_train_batch_size=32, learning_rate=1e-6, gradient_accumulation_steps=1, gradient_checkpointing=True, per_device_eval_batch_size=16, generation_max_length=225,

Hardware: NVIDIA Tesla V100 16GB * 4


A Realtime Streaming application example is built on this model: https://github.com/JackyHoCL/whisper-realtime.git

FAQ:

  1. If having tokenizer issue during inference, please update your transformers version to >= 4.46.3
pip install --upgrade transformers

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
31a37d6

0 моделей