/ Модель

Характеристики

Параметры
905 млн
Лицензия
Своя лицензия
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
fastai
Опубликована
1 мар 2026

whisper-3-large-turbo-lao-finetuned-v10

Распознавание речиАудио → текст6 профессий

Дообученная на лаосской речи модель Whisper преобразует аудио на лаосском языке в текст.

173скачиваний за 30 дней3лайкавеса обновлены3 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

Phonepadith дообучил модель Whisper для автоматического распознавания речи на лаосском языке. Модель принимает аудио и преобразует его в текст; она предназначена для транскрибации лаосской речи, голосового управления, создания субтитров и расшифровок, языковых приложений и лингвистических исследований. В карточке указана архитектура Whisper, а в метаданных — 905,2 млн параметров и формат safetensors.

README называет базой Whisper Large V3 Turbo, тогда как метаданные связывают модель с openai/whisper-large-v3; поэтому точную базовую версию следует считать неоднозначной. Для распознавания речи модель дообучена на наборе Phonepadith/laos-speech-dataset. Лицензия указана как other. Модель может хуже распознавать смешение лаосского и английского, шумную речь и сильные диалектные акценты; токенизатор Whisper иногда нормализует тоновые знаки и пробелы в лаосском тексте.

Сценарии применения

  • Транскрибация записей на лаосском языке
  • Распознавание лаосских голосовых команд
  • Создание субтитров для лаосской речи
  • Подготовка текстовых расшифровок для средств доступности
  • Практика аудирования в приложениях для изучения лаосского
  • Расшифровка лаосской речи для лингвистических исследований

Ограничения

Модель может ошибаться при смешении лаосского и английского, фоновом шуме и сильных диалектных акцентах. Токенизатор иногда нормализует тоновые знаки и пробелы в лаосском тексте.

Для каких профессий подходит6

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

🗣️ Whisper Large V3 Turbo Lao Fine-tuned (Laos V10)

Model Overview

This model is a fine-tuned version of OpenAI's Whisper Large V3 Turbo for Lao (ພາສາລາວ) automatic speech recognition (ASR). It has been fine-tuned on the Phonepadith/laos-speech-dataset, a curated dataset containing Lao speech samples and transcriptions.

🧠 Model Details

PropertyDescription
Base modelopenai/whisper-large-v3-turbo
Fine-tuned by@Phonepadith
LanguageLao (lo)
TaskAutomatic Speech Recognition (ASR)
Framework🤗 Transformers, PyTorch
DatasetPhonepadith/laos-speech-dataset
Sampling rate16 kHz
LicenseMIT (same as base model unless otherwise stated)

📊 Training Details

  • Fine-tuned on: Lao speech dataset 100 hours
  • Input: 16kHz mono audio
  • Output: Lao text transcription
  • Epochs: 13
  • Batch size: 2
  • Learning rate: 1e-5
  • Optimizer: AdamW
  • Evaluation metric: Word Error Rate (WER)

🚀 Usage Example

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torch
import torchaudio

# Load model and processor
model_id = "Phonepadith/whisper-3-large-turbo-lao-finetuned-v10"
processor = WhisperProcessor.from_pretrained(model_id)
model = WhisperForConditionalGeneration.from_pretrained(model_id)

# Load an audio file (16kHz mono)
speech_array, sampling_rate = torchaudio.load("example.wav")
speech_array = torchaudio.functional.resample(speech_array, sampling_rate, 16000)

# Preprocess and generate transcription
input_features = processor(
    speech_array.squeeze().numpy(), 
    sampling_rate=16000, 
    return_tensors="pt"
).input_features

predicted_ids = model.generate(input_features)
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]

print("Transcription:", transcription)

📈 Evaluation Results

Training Metrics

TrainOutput(global_step=45000, training_loss=0.03216575982156727, metrics={'train_runtime': 57148.3905, 'train_samples_per_second': 6.299, 'train_steps_per_second': 0.787, 'total_flos': 6.137824149504e+20, 'train_loss': 0.03216575982156727, 'epoch': 12.49305941143809})

🧩 Intended Use

This model is designed for speech-to-text transcription in Lao, such as:

  • Voice command systems
  • Lao language learning apps
  • Accessibility tools (subtitles, transcripts)
  • Cultural and linguistic research

⚠️ Limitations

  • May struggle with code-switching (mix of Lao and English)
  • Background noise or strong dialectal accents may reduce accuracy
  • Whisper's built-in tokenizer may occasionally normalize Lao text (tone marks or spacing)

🪪 Citation

If you use this model in your research, please cite:

@misc{phonepadith2025whisperlaoturbo,
  title = {Whisper Large V3 Turbo Fine-tuned for Lao ASR},
  author = {Phonepadith Phoummavong},
  year = {2025},
  howpublished = {\url{https://huggingface.co/Phonepadith/whisper-3-large-turbo-lao-finetuned-v10}},
}

💬 Contact

For questions, collaboration, or dataset contributions:


Note: This model is part of ongoing efforts to improve ASR capabilities for low-resource languages like Lao. Contributions and feedback are welcome!

Как запустить

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

GPU в ailist

Универсальный рантайм · fastai

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
128acfd

0 моделей