/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
27 мар 2026

azerbaijani-whisper-small

Распознавание речиАудио → текст8 профессий

Дообученная на азербайджанской речи компактная модель Whisper для автоматической транскрибации аудио в текст.

150скачиваний за 30 дней2лайкавеса обновлены28 мар 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.

  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

Azerbaijani Whisper Small — модель распознавания речи на азербайджанском языке, созданная дообучением openai/whisper-small. Она использует архитектуру Whisper с 153,1 млн параметров и предназначена для преобразования азербайджанской речи в текст; в README приведены результаты оценки на тестовой части FLEURS Azerbaijani.

Для работы требуется аудио с частотой 16 кГц и одним каналом: аудио с другой частотой дискретизации нужно предварительно пересэмплировать. Модель доступна в формате safetensors и рассчитана на использование через Transformers. Лицензия — Apache-2.0. README заявляет качество выше whisper-large-v3 при меньшем размере, однако приведённая таблица результатов неполная, поэтому это сравнение нельзя независимо проверить по карточке.

Сценарии применения

  • транскрибация азербайджанской речи в текст
  • распознавание азербайджанской речи в аудиозаписях
  • подготовка текстовых расшифровок азербайджанских записей

Ограничения

Входное аудио должно быть моно с частотой 16 кГц; записи с другой частотой дискретизации необходимо предварительно пересэмплировать. Опубликованная в README таблица результатов неполная, поэтому заявленное превосходство над whisper-large-v3 нельзя проверить по карточке.

Для каких профессий подходит8

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

Azerbaijani Whisper Small

Fine-tuned openai/whisper-small for Azerbaijani automatic speech recognition.

Performance

ModelParamsWERCER
whisper-small (baseline)242M52.17%14.52%
whisper-medium (baseline)769M34.54%9.00%
whisper-large-v3 (baseline)1543M21.00%5.51%
azerbaijani-whisper-small242M20.54%5.72%

This model achieves better quality than whisper-large-v3 while being 6x smaller.

Evaluated on FLEURS Azerbaijani test set.

Usage

pip install --upgrade transformers
import torch
import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration
import soundfile as sf
import numpy as np

processor = WhisperProcessor.from_pretrained("LocalDoc/azerbaijani-whisper-small")
model = WhisperForConditionalGeneration.from_pretrained("LocalDoc/azerbaijani-whisper-small")

audio, sr = sf.read("audio.wav")

if len(audio.shape) > 1:
    audio = audio.mean(axis=1)

audio = librosa.resample(np.asarray(audio, dtype=np.float32), orig_sr=sr, target_sr=16000)
sr = 16000

inputs = processor(audio, sampling_rate=sr, return_tensors="pt")
forced_ids = processor.get_decoder_prompt_ids(language="az", task="transcribe")

with torch.no_grad():
    ids = model.generate(inputs.input_features, forced_decoder_ids=forced_ids)

text = processor.batch_decode(ids, skip_special_tokens=True)[0]
print(text)

Note: Audio must be 16kHz mono. If your audio has a different sample rate, use librosa.resample() as shown above. Passing audio without resampling will produce incorrect results.

Requirements

pip install transformers torch soundfile librosa

Benchmark Details

All models evaluated on FLEURS Azerbaijani test split (921 samples) with the same normalization (lowercase, no punctuation).

ModelParamsWERCERRTF (GPU)
whisper-tiny38M104.48%53.93%0.033
whisper-base73M82.63%30.35%0.032
whisper-small242M52.17%14.52%0.053
whisper-medium769M34.54%9.00%0.097
whisper-large-v31543M21.00%5.51%0.129
whisper-large-v3-turbo809M22.99%6.55%0.024
azerbaijani-whisper-small242M20.54%5.72%~0.05

License

Apache 2.0

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
88c9efd

0 моделей