/ Модель

Характеристики

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

whisper-l-v3-turbo-quran-lora-dataset-mix

Распознавание речиАудио → текст3 профессии

Быстрая модель Whisper для распознавания чтения Корана на арабском языке с огласовками.

199скачиваний за 30 дней21лайквеса обновлены23 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

MaddoggProduction/whisper-l-v3-turbo-quran-lora-dataset-mix — дообученная модель распознавания речи на основе openai/whisper-large-v3-turbo, разработанная для транскрибации чтения Корана на арабском языке с огласовками. Модель использует архитектуру Whisper Turbo с 905,2 млн параметров и предназначена для быстрой расшифровки аятов, в том числе в потоковом режиме и при низкой задержке.

Для обучения использованы наборы tarteel-ai/everyayah и MohamedRashad/Quran-Recitations; качество оценивалось на ahishamm/QURANICWhisperDataset, где заявлен WER 12,69%. В README отмечены скорость инференса и распознавание коранической лексики как сильные стороны. Модель распространяется под лицензией Apache-2.0.

Из-за сокращённого до четырёх слоёв декодера по сравнению с 32 слоями у Whisper Large v3 модель хуже удерживает длинный контекст и может повторять слова или галлюцинировать, особенно на тишине и длинных фрагментах. Для длинных офлайн-записей README рекомендует рассмотреть Whisper Large v3 или Medium.

Сценарии применения

  • транскрибация чтения аятов Корана
  • распознавание арабской коранической речи с огласовками
  • потоковая расшифровка чтения Корана с низкой задержкой
  • подготовка текстовых расшифровок профессиональных коранических рецитаций

Ограничения

Возможны галлюцинации и циклы повторения слов, особенно на тишине и длинных фрагментах; модель хуже удерживает длинный контекст, чем Whisper Large v3. Заявленный WER 12,69% относится к тестовой части ahishamm/QURANICWhisperDataset.

Для каких профессий подходит3

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

Whisper Large v3 Turbo Quran (LoRA Fine-Tuned)

This is a specialized Automatic Speech Recognition (ASR) model for Quranic Recitation with tashkeel or diacritics. It is a fine-tuned version of openai/whisper-large-v3-turbo, optimized to recognize Quranic Arabic (with diacritics or tashkeel) with high accuracy while maintaining exceptional inference speed.

Model Performance

  • Word Error Rate (WER): Achieved 12.69% on the ahishamm/QURANICWhisperDataset test set (20% of the dataset).
  • Accuracy: The model demonstrates high precision in capturing Quranic vocabulary and standard script nuances.

Architecture & Trade-offs

This model utilizes the Turbo architecture, which reduces the decoder depth from 32 layers (in the standard Large v3) to 4 layers.

  • Pros: Extremely fast inference speed (significantly lower latency than Medium or Large v3).
  • Cons: Due to the reduced decoder depth, the model has less capacity for long-range context retention compared to the full Large model. This makes it slightly more prone to hallucinations and repetition loops (e.g., repeating a word during silence), especially if not configured correctly during inference.

Recommendation: This model is great for fast verse transcription, Live Transcription, or applications where low latency is critical. For offline batch processing where speed is not a priority, a full Large-v3 (or even a medium whisper) model will offer higher semantic stability, especially on long verses.

Training Details

The model was trained using LoRA (Low-Rank Adaptation) in a multi-stage curriculum learning process to ensure stability and precision.

Datasets

The training and evaluation process utilized a comprehensive mix of professional recitations:

  1. Training & Validation:
  2. Testing:

Methodology

  • Curriculum Learning: The model was trained gradually across these datasets to refine its understanding of Tajweed and Quranic sentence structures.
  • Data Augmentation: To ensure the model remains robust against real-world conditions (non-studio microphones, background noise, varying volumes), diverse audio augmentations (gain adjustments, spectral masking and white noise) were applied during the training process.

Usage

This model is fully compatible with the Hugging Face transformers pipeline.

CRITICAL NOTE ON INFERENCE: Due to the Turbo architecture's reduced decoder depth, you must carefully control the stride_length_s parameter. A long stride (e.g., 5s or more) can cause the model to lose context and enter infinite repetition loops. It is recommended to keep the stride length to around 2 or 3 seconds.

from transformers import pipeline

# Load the pipeline
pipe = pipeline(
    "automatic-speech-recognition",
    model="MaddoggProduction/whisper-l-v3-turbo-quran-lora-dataset-mix",
    device=0 # for GPU usage, -1 for CPU
)

# Transcribe audio 
result = pipe(
    "path_to_audio.mp3",
    chunk_length_s=30, 
    stride_length_s=2, # 2s or 3s to prevent loops and hallucinations
    batch_size=8,
    return_timestamps=True,
    generate_kwargs={
        "task": "transcribe",
        "language": "arabic",
        "num_beams": 1           # 1 is sufficient, adjust as needed
    }
)

print(result["text"])

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
76e2a26

0 моделей