/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
7 июл 2026

Ogaal-ASR

Распознавание речиАудио → текст5 профессий

Ogaal ASR — дообученная на сомалийской речи модель Whisper large-v3 для транскрибации аудио в текст.

229скачиваний за 30 дней1лайквеса обновлены3 окт 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

Ogaal ASR — модель автоматического распознавания речи от Ogaal Labs, созданная дообучением Whisper large-v3. Она преобразует сомалийскую речь в текст и предназначена для транскрибации записей и интеграции в локальные приложения для сомалийского языка. Модель построена на архитектуре WhisperForConditionalGeneration; веса опубликованы в формате safetensors. Для обучения использовано около 72,1 часа сомалийской речи, включая записи дикторов с разными акцентами и стилями речи. На тестовой выборке указаны WER 0,2278 и CER 0,1186.

Модель ориентирована на сомалийский язык, а английский не входил в цель обучения. Качество может снижаться на тематиках, акцентах и условиях записи, отличающихся от использованных при оценке. В метаданных лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой репозитория.

Сценарии применения

  • транскрибация сомалийских аудиозаписей
  • распознавание сомалийской речи в локальном приложении
  • подготовка текстовых расшифровок сомалийских интервью
  • оценка качества сомалийского распознавания речи
  • интеграция сомалийского ASR в рабочий процесс обработки аудио

Ограничения

Модель обучалась для сомалийского распознавания речи; английский не входил в цель обучения. Качество может снижаться на отличающихся тематиках, акцентах и условиях записи.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ogaal ASR

Ogaal ASR Overview

Ogaal ASR is a Somali automatic speech recognition model from Ogaal Labs. It is a fine-tuned openai/whisper-large-v3 checkpoint trained on approximately 72.1 hours of Somali speech.

Key capabilities

  • local CPU or GPU inference
  • individual file and folder transcription through the companion toolkit
  • browser demo for recording or uploading audio
  • developer-ready Transformers integration
  • Somali-focused speech-to-text output

Published Somali results

  • validation WER: 0.2166
  • validation CER: 0.1054
  • test WER: 0.2278
  • test CER: 0.1186

Training overview

  • base model: openai/whisper-large-v3
  • architecture: WhisperForConditionalGeneration
  • training rows: 39,604
  • validation rows: 429
  • test rows: 428
  • training audio: approximately 72.1 hours
  • epochs: 6
  • learning rate: 0.0001
  • primary language: Somali (so)

A private Ogaal Labs collection contributed roughly 5,000 curated prompts recorded by 19 speakers across varied genders, accents, and speaking styles. English was not part of the training objective.

Transformers quick start

from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="Ogaal-Labs/Ogaal-ASR",
)
result = pipe("test.wav")
print(result["text"])

Local toolkit

Use the companion GitHub repository for local CPU/GPU inference and the browser demo:

git clone https://github.com/Ogaal-Labs/Ogaal-ASR.git
cd Ogaal-ASR
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
git clone https://huggingface.co/Ogaal-Labs/Ogaal-ASR model

python scripts/infer_somali_asr.py \
  --audio-path /path/to/audio.wav \
  --model-dir model

Requirements: Python 3.10 or newer and ffmpeg on the system path.

Files included

  • model.safetensors: fine-tuned Whisper weights
  • config.json, generation_config.json, processor_config.json: runtime configuration
  • tokenizer.json, tokenizer_config.json: tokenizer assets
  • best_val_metrics.json, test_metrics.json: held-out evaluation summaries
  • TECHNICAL_BOOK.md, MODEL_SCOPE.md: supporting release documentation

Intended use

  • Somali speech transcription
  • local and privacy-sensitive transcription workflows
  • developer integration for Somali voice products
  • evaluation and benchmarking on Somali audio

Limitations

  • designed for Somali, not general multilingual transcription
  • English was not part of the training objective
  • accuracy may vary with accents, noise, microphones, domains, and speaking styles
  • users should independently evaluate the model before high-stakes deployment

Links

License

This model repository is released under the Apache License 2.0. The base openai/whisper-large-v3 model is also distributed under Apache-2.0.

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
44328d9

0 моделей