/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
6 дек 2025

whisper-m-quran-lora-dataset-mix

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Medium для распознавания чтения Корана на арабском языке с огласовками и диакритическими знаками.

16скачиваний за 30 дней6лайковвеса 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-m-quran-lora-dataset-mix — специализированная модель распознавания чтения Корана, созданная на базе openai/whisper-medium. Это дообученная версия Whisper Medium с архитектурой WhisperForConditionalGeneration и 455,8 млн параметров; веса опубликованы в формате safetensors и доступны через Transformers. Модель предназначена для транскрибации коранической арабской речи с огласовками и диакритическими знаками, с учётом лексики и особенностей османского письма.

При обучении использовались датасеты tarteel-ai/everyayah и MohamedRashad/Quran-Recitations, постепенное обучение на них и аугментации аудио для устойчивости к разным микрофонам, шуму и уровням громкости. В README указана доля ошибок слов WER 12,69% на валидационной выборке tarteel-ai/everyayah; для длинных аятов рекомендована обработка фрагментами. Модель рассчитана на арабскую кораническую речь и выдаёт текст. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация чтения Корана в арабский текст с огласовками
  • распознавание аятов в аудиозаписях чтения Корана
  • подготовка текстовых расшифровок коранических recитаций
  • распознавание чтения при шуме и различном качестве записи

Ограничения

Для длинных аятов README рекомендует разбивать аудио на фрагменты. Указанный WER 12,69% получен на валидационной выборке tarteel-ai/everyayah и не гарантирует такую же точность на других записях.

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 Medium 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-medium, optimized to recognize Quranic Arabic with high accuracy while maintaining robustness across different recording conditions.

Model Performance

  • Word Error Rate (WER): Achieved 12.69% on the tarteel-ai/everyayah validation set.
  • Accuracy: The model demonstrates high precision in capturing Quranic vocabulary and Uthmani script nuances.

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 utilized a mix of professional and diverse recitations from two primary sources:

  1. MohamedRashad/Quran-Recitations
  2. tarteel-ai/everyayah (Highly diverse professional recitations)

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 including gain adjustments and spectral masking were applied during the training process.

Usage

This model is fully compatible with the Hugging Face transformers pipeline. For longer verses, chunking is recommended to maintain context.

from transformers import pipeline

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

# Transcribe audio (chunking enabled for long verses)
result = pipe(
    "path_to_audio.mp3",
    chunk_length_s=30, # Critical for long verses like 2:282, to avoid hallucinations
    stride_length_s=5,
    batch_size=8,
    return_timestamps=True
)

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
99d4d3e

0 моделей