/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
CC BY 4.0
Архитектура
whisper · dense
Опубликована
13 мая 2026

ne-asr

Распознавание речиАудио → текст4 профессии

Дообученная модель Whisper для распознавания речи на восьми языках Северо-Восточной Индии.

107скачиваний за 30 дней3лайкавеса обновлены28 авг 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

MWirelabs/ne-asr — мультиязычная модель автоматического распознавания речи, разработанная MWirelabs и дообученная на базе openai/whisper-medium. Она предназначена для распознавания речи на восьми языках Северо-Восточной Индии. Модель использует архитектуру Whisper и содержит 455,8 млн параметров; принимает аудио и генерирует текстовую транскрипцию.

В обучении использованы 150 483 образца из набора Vaani и собственного корпуса MWire. В README приведены результаты на тестах для кхаси (WER 16,89%), гаро (9,31%) и мизо (23,85%). Модель распространяется по лицензии CC BY 4.0; результаты для трёх языков показывают, что качество различается по языкам.

Сценарии применения

  • транскрибирование речи на кхаси
  • распознавание устной речи на гаро
  • транскрибирование речи на мизо
  • распознавание речи на языках Северо-Восточной Индии

Ограничения

Результаты WER приведены только для кхаси, гаро и мизо и заметно различаются между ними; для остальных языков в предоставленной части README метрики отсутствуют.

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

MWirelabs/ne-asr

A multilingual automatic speech recognition (ASR) model for eight Northeast Indian languages, fine-tuned from openai/whisper-medium.

Languages

LanguageCodeTest WER
Khasikha16.89%
Garogrt9.31%
Mizolus23.85%
Nagamesenag49.13%
Kokboroktrp44.79%
Assameseasm20.98%
Chakmaccp54.25%
Wanchowao68.37%
Overall36.06%

Training Data

  • Vaani (ARTPARK-IISc/Vaani-transcription-part): 121,960 training samples across 7 languages
  • Proprietary MWire corpus: 28,524 training samples across 5 languages (Khasi, Garo, Mizo, Nagamese, Kokborok)
  • Total: 150,483 training samples

Training Details

  • Base model: openai/whisper-medium
  • Learning rate: 1e-5 with 500 warmup steps
  • Steps: 8,000
  • Batch size: 16 (gradient accumulation 2, effective 32)
  • Mixed precision: fp16
  • Language token: welsh proxy for all languages except Assamese

Usage

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import soundfile as sf
import torch

processor = WhisperProcessor.from_pretrained("MWirelabs/ne-asr")
model = WhisperForConditionalGeneration.from_pretrained("MWirelabs/ne-asr")

audio, sr = sf.read("audio.wav")
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")

# Force language token (use "welsh" for all except Assamese)
forced_ids = processor.get_decoder_prompt_ids(language="welsh", task="transcribe")
with torch.no_grad():
    predicted_ids = model.generate(inputs.input_features, forced_decoder_ids=forced_ids)

transcription = processor.decode(predicted_ids[0], skip_special_tokens=True)
print(transcription)

Citation

If you use this model, please cite:

@inproceedings{nyalang2026nemultispeech,
title={{NE}-MultiSpeech: A Multilingual Speech Corpus and {ASR} Benchmark for Northeast Indian Languages},
author={Nyalang, Badal and Borah, Angana},
booktitle={The 2026 Conference on Empirical Methods in Natural Language Processing},
year={2026},
url={https://openreview.net/forum?id=cOCsA88Fza}
}

License

CC-BY-4.0. Developed by MWire Labs, Shillong, Meghalaya.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
7e5cdd6

0 моделей