/ Модель

Характеристики

Лицензия
MIT
Базовая модель
whisper-large-v3-turbo-russian
Библиотека
whisper.cpp
Опубликована
3 июл 2026

whisper-large-v3-turbo-russian

Распознавание речиАудио → текст

Квантованный вариант русскоязычной Whisper large-v3-turbo для локального распознавания речи и преобразования аудио в текст через whisper.cpp.

0скачиваний за 30 дней0лайковвеса обновлены3 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это квантованный артефакт русскоязычной модели Whisper large-v3-turbo, подготовленный MECHUK для запуска через whisper.cpp в локальном ASR-сервере whisper-ru. Модель преобразует аудио в текст и предназначена для распознавания русской речи; сервер может предварительно отсекать тишину и неречевые фрагменты с помощью Silero VAD.

В репозитории указан файл Q5_K GGML как рекомендуемый для работы вариант, а F16-артефакт предназначен, в частности, для последующей переквантизации. Исходная модель дообучена на русскоязычных аудиозаписях и основана на openai/whisper-large-v3-turbo. Для исходной модели заявлена лицензия MIT.

Сценарии применения

  • транскрибация русской речи в текст
  • распознавание речи в локальном ASR-сервере
  • подготовка субтитров из русскоязычных аудиозаписей

Ограничения

В README приведены артефакты для whisper.cpp, поэтому модель ориентирована на этот runtime. Указание на снижение ошибок при тишине относится к предварительной фильтрации Silero VAD на сервере, а не к самой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-ru GGML artifacts

GGML artifacts for running dvislobokov/whisper-large-v3-turbo-russian with whisper.cpp in the whisper-ru local ASR server.

Files

FilePurpose
ggml-large-v3-turbo-russian-q5_k.binRecommended runtime model; Q5_K quantized GGML
ggml-large-v3-turbo-russian-f16.binOptional conversion artifact; useful for re-quantization

For public distribution, publishing only the Q5_K file is enough for normal API users. Keep F16 private unless you explicitly want to support downstream re-quantization.

Source model

  • Base/fine-tuned model: dvislobokov/whisper-large-v3-turbo-russian
  • Declared license of the source model card: MIT
  • Base model lineage: openai/whisper-large-v3-turbo

Usage

The code repo's idempotent setup command downloads this ready-to-run Q5_K file by default:

docker compose run --rm whisper-api prepare-model

To rebuild from the source Hugging Face model instead:

PREPARE_MODEL_FROM_SOURCE=true docker compose run --rm whisper-api prepare-model

Source rebuild pipeline:

  1. Download the Hugging Face model snapshot.
  2. Convert Transformers/Safetensors weights to GGML F16 with whisper.cpp.
  3. Quantize F16 to Q5_K with whisper-quantize.

Runtime behavior

The whisper-ru API server uses Silero VAD by default before decoding. This prevents non-speech audio, silence, and microphone tails from reaching Whisper and producing subtitle-like hallucinations such as Продолжение следует....

Clients can explicitly request raw Whisper decoding with vad=false or X-VAD: false.

Reference benchmark

AMD Radeon 780M / Vulkan / Q5_K:

Audio duration: 60.000s
Wall time:      3.534s
RTF:            0.059

Benchmarks are hardware- and driver-dependent.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · whisper.cpp

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
3319687

0 моделей