/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
27 мар 2026

azerbaijani-whisper-turbo

Распознавание речиАудио → текст9 профессий

Дообученная на азербайджанской речи модель Whisper для быстрой и точной транскрибации аудио в текст.

1 216скачиваний за 30 дней1лайквеса 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 Turbo — модель LocalDoc для автоматического распознавания азербайджанской речи. Это дообученная на датасетах LocalDoc/azerbaijani_asr и LocalDoc/fleurs-azerbaijani-asr модель openai/whisper-large-v3-turbo на архитектуре Whisper с 905,2 млн параметров. Она принимает аудио с частотой дискретизации 16 кГц в моно и преобразует речь в текст.

Модель предназначена для транскрибации азербайджанской речи, в том числе для сценариев с обработкой в реальном времени на GPU. По README, на тестовой выборке FLEURS из 921 аудиозаписи она показала WER 13,17%; авторы также заявляют о снижении WER на 8% относительно whisper-large-v3 и почти двукратном ускорении вывода. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на азербайджанском языке
  • субтитры к азербайджаноязычным видео
  • распознавание азербайджанской речи в реальном времени на GPU

Ограничения

Для входного аудио требуется моноформат с частотой дискретизации 16 кГц; README указывает на ориентацию на GPU для высокой скорости. Заявленные показатели качества основаны на тестовом наборе FLEURS и не гарантируют такой же результат на других аудиоданных.

Для каких профессий подходит9

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 Turbo

Fine-tuned openai/whisper-large-v3-turbo 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%
whisper-large-v3-turbo (baseline)809M22.99%6.55%
azerbaijani-whisper-small242M20.54%5.72%
azerbaijani-whisper-turbo809M13.17%3.45%

This model achieves 8% lower WER than whisper-large-v3 with nearly 2x faster inference.

Evaluated on FLEURS Azerbaijani test set.

Usage

import torch
import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration
import soundfile as sf
import numpy as np

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

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.

Requirements

pip install transformers torch soundfile librosa

Which model to choose?

ModelBest forWERSpeed
azerbaijani-whisper-smallCPU deployment, edge devices, low-resource environments20.54%Fast on CPU
azerbaijani-whisper-turboGPU deployment, real-time transcription, highest accuracy13.17%Very fast on GPU

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
azerbaijani-whisper-turbo809M13.17%3.45%~0.024

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
88bbcb5

0 моделей