/ Модель

Характеристики

Параметры
905 млн
Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
22 июн 2025

Whisper-Taiwanese-model-v0.5

Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper для распознавания тайваньского хоккиена, включая речь по материалам школьных учебников.

409скачиваний за 30 дней18лайковвеса обновлены4 июл 2025

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

Whisper-Taiwanese-model-v0.5 — модель распознавания речи, разработанная Национальным университетом Тайнаня и дообученная на базе openai/whisper-large-v3-turbo для распознавания тайваньского хоккиена (тайваньского миньнаньского языка), в частности речи по материалам школьных учебников. Проект выполнялся в сотрудничестве с издательством 真平 и Национальным центром высокопроизводительных вычислений Тайваня в рамках образовательной инициативы TAIDE.

Модель построена на архитектуре Whisper и содержит около 905,2 млн параметров. Для дообучения использовали собственные данные и материалы словаря распространённых тайваньских слов Министерства образования Тайваня; в README указан объём примерно 90 часов аудио. Ожидаемый вход — монофоническая WAV-запись с частотой 16 кГц, выход — текстовая расшифровка речи. Репозиторий опубликован в формате safetensors, для работы указана библиотека Transformers.

Модель предназначена для распознавания тайваньского хоккиена, особенно учебной речи и материалов, связанных со школьными учебниками. Метаданные также отмечают английский и китайский языковые коды, однако README описывает специализацию именно на тайваньском хоккиене, поэтому её качество для других языков не подтверждено. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • расшифровка речи на тайваньском хоккиене
  • распознавание тайваньской речи в учебных аудиозаписях
  • создание текстовых расшифровок школьных материалов на тайваньском языке
  • подготовка транскриптов для приложений тайваньского языкового обучения

Ограничения

Специализация модели — тайваньский хоккиен, в особенности речь по учебным материалам; качество распознавания других языков и типов речи не подтверждено. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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

[ 英文 README_EN.md ]

👳 Whisper-Taiwanese model V0.5 (Tv0.5)

這個模型是由國立臺南大學執行國科會產學合作計畫,使用 openai/whisper-large-v3-turbo 微調的版本,並執行國科會TAIDE台英語家庭先導計畫,與真平出版社合作,使用中小學教材內容及學生學習資料進行模型微調,用於真平教材台語辨識。並與國研院國網中心合作,運用國網中心算力以及TAIDE模型,共同建構中小學台語AI學習模型。

示範網址: https://kws.oaselab.org/taigitong/

📝 Model Details

  • Base Model: openai/whisper-large-v3-turbo
  • Fine-tuned for: 台灣閩南語語音辨識 (ASR)
  • Fine-tuning Framework: Hugging Face Transformers
  • Training Duration: 使用兩片 V100,大約 180 小時
  • Dataset: 自訂資料集、教育部臺灣台語常用詞辭典,大約 90 小時的資料
  • Input Format: 16kHz mono WAV
  • License: CC BY-NC 4.0

🚀 Usage

安裝套件:

pip install torch torchvision torchaudio transformers

執行範例:

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition", model="./model/whisper-taiwanese", device=0)
result = pipe("audio.wav", generate_kwargs={"language": "zh", "task": "transcribe"})
print(result["text"])

👨‍🎓 Citation

BibTeX:

@misc{taiwanesewhisperasr2025,
  title={Taiwanese Whisper ASR},
  author={KWS Center, National University of Tainan, Taiwan},
  year={2025},
  url={https://huggingface.co/NUTN-KWS/Whisper-Taiwanese-model-v0.5}
}

APA:

  • C. S. Lee, M. H. Wang, C. C. Yue, G. Y. Teseng, and Y. Nojima, "Fuzzy Estimation Agent with Knowledge Graph and Quantum Fuzzy Inference Engine for Taiwanese-English Co-Learning," 2025 IFSA World Congress and NAFIPS Annual Meeting (IFSA/NAFIPS 2025), Banff, Alberta, Canada, Aug. 16-19, 2025.
  • C. S. Lee, M. H. Wang, C. Y. Chen, S. C. Yang, M. Reformat, N. Kubota, and A. Pourabdollah, "Integrating quantum CI and generative AI for Taiwanese/English co-learning," Quantum Machine Intelligence, vol. 6, 64, pp. 1-19, 2024.
  • C. S. Lee, M. H. Wang, C. Y. Chen, S. C. Yang, M. Reformat, N. Kubota, and A. Pourabdollah, "Quantum fuzzy inference engine with generative AI and TAIDE KG for Taiwanese/English co-learning," 2025 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2025), Reims, France, Jul. 6-9, 2025.

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
5e4d882

0 моделей