/ Модель

Характеристики

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

whisper-small-yoruba

Распознавание речиАудио → текст7 профессий

Дообученная версия Whisper Small для транскрибации разговорной речи на йоруба и английском, в том числе с переключением языков.

164скачиваний за 30 дней2лайкавеса обновлены3 фев 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

LyngualLabs/whisper-small-yoruba — дообученная LyngualLabs модель OpenAI Whisper Small на архитектуре Seq2Seq/Transformer с 153,1 млн параметров. Она предназначена для автоматической транскрибации речи на йоруба и английском, включая частое переключение между этими языками в одной беседе. Модель принимает аудио и выдаёт текст; в README сообщается о настройке на акценты, тональность и языковое смешение в разговорах на йоруба и английском.

На отложенной тестовой выборке авторы сообщили WER 20,76%. Модель может путать орфографию заимствованных слов при переключении языков; качество снижается на шумных записях и диалектных вариантах йоруба. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • транскрибация разговоров на йоруба и английском
  • распознавание речи с переключением между йоруба и английским
  • расшифровка интервью на йоруба с английскими вставками
  • создание текстовых субтитров для аудио на йоруба и английском

Ограничения

Возможны ошибки в написании заимствованных слов при переключении языков; шумная запись и диалектные варианты йоруба могут снижать точность. На тестовой выборке авторы сообщили WER 20,76%.

Для каких профессий подходит7

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 Fine-tuned for Yoruba (Code-Switching)

Model Description

  • Developed by: LyngualLabs
  • Model type: Fine-tuned OpenAI Whisper Small (Seq2Seq/Transformer)
  • Languages: Yoruba, English (Code-Switched)
  • Finetuned from model: openai/whisper-small
  • Task: Automatic Speech Recognition (Transcribe)

Intended Uses & Limitations

This model is designed for transcribing speech that frequently alternates between Yoruba and English (Code-Switching). Unlike the base Whisper model, this version is specifically optimized to handle the accents, tonality, and linguistic blending found in Yoruba-English conversations.

🛠 Training Procedure

Training Overview

The model was fine-tuned using the Hugging Face Seq2SeqTrainer. The training process involved a two-stage run (due to infrastructure interruptions) on a high-memory NVIDIA A100 (80GB). The massive VRAM allowed for a large per-device batch size of 128, ensuring stable gradients and faster convergence.

Training Logs

The following logs illustrate the model's convergence over the training duration. Data includes metrics from both the initial run and the resumed training session:

StepTraining LossValidation LossWER (%)
5000.42920.446027.92
10000.24180.341122.91
15000.14000.323821.71
2000*0.08650.361222.29
2500*0.05780.347520.80

*Steps from the resumed training phase.

Hyperparameters

The model was trained with high-throughput settings optimized for the A100 80GB GPU:

  • Learning Rate: 1e-5
  • Batch Size: 128 (Per Device)
  • Precision: BF16 (Brain Float 16) with TF32 enabled
  • Optimizer: AdamW
  • Warmup Steps: 500
  • Dataloader: 12 Workers with pinned memory
  • Hardware: NVIDIA A100-SXM4-80GB

Final Evaluation

The model was evaluated on a held-out test set after the final checkpoint.

MetricValue
Test WER20.76%

💻 How to Use

You can use this model directly with the Hugging Face pipeline.

from transformers import pipeline

# 1. Load the pipeline
# The model defaults to "yoruba" language settings via the generation config
pipe = pipeline("automatic-speech-recognition", model="LyngualLabs/whisper-small-yoruba")

# 2. Run transcription
# You do not need to specify forced_decoder_ids as they are handled in the config
result = pipe("path_to_your_audio.wav")

print(result["text"])

⚠️ Limitations & Bias

  • Code-Switching Sensitivity: While robust, the model may occasionally transcribe English loanwords using Yoruba orthography (or vice versa) depending on the speaker's accent.
  • Audio Environment: Performance is best on clear, near-field audio. Noisy backgrounds may increase the WER significantly compared to studio-quality recordings.
  • Dialects: The training data focuses on standard Yoruba mixed with English. Deep dialectal variations of Yoruba may result in lower accuracy.
  • Inference: Ensure forced_decoder_ids are set to None (or handled automatically by the pipeline) to allow the model to naturally predict the language tokens.

📜 Citation

If you use this model in your research, please cite it as follows:

@misc{whisper-small-yoruba-cs,
  author = {LyngualLabs},
  title = {Whisper Small Fine-tuned for Yoruba-English Code-Switching},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/LyngualLabs/whisper-small-yoruba}
}

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
ac05aac

0 моделей