/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
23 сен 2026

whisper-large-v3-turbo-turkmen

Распознавание речиАудио → текст7 профессий

Дообученная версия Whisper large-v3-turbo для транскрибации речи на туркменском языке.

285скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Модель Pirnazar — версия Whisper large-v3-turbo, дообученная для распознавания туркменской речи. Это самостоятельный чекпойнт с объединённым в веса LoRA-адаптером; отдельная загрузка адаптера или базовой модели не требуется. Модель построена на архитектуре Whisper и принимает аудио, выдавая текстовую транскрипцию. Для распознавания рекомендуется задавать язык tk и режим транскрипции.

При обучении использовался датасет mamed0v/TurkmenSpeech; LoRA ранга 8 обучалась на проекциях q_proj и v_proj. В карточке приведены результаты валидации на 500 примерах: WER 29,51% и CER 6,59%; это метрики обучения, а не независимая оценка тестового набора. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • транскрибация туркменской речи из аудиозаписей
  • распознавание туркменской речи в WAV-файлах
  • подготовка черновых расшифровок туркменских интервью
  • распознавание туркменской речи для последующей редакторской проверки

Ограничения

На валидации из 500 примеров указаны WER 29,51% и CER 6,59%, но результаты не являются независимой оценкой на тестовом наборе. Качество на других дикторах, при шуме и смешении языков не проверено; возможны ошибки и галлюцинации, а временные метки сегментов приблизительны.

Для каких профессий подходит7

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 — Turkmen

Turkmen speech recognition model shared by Pirnazar. This is a standalone Whisper large-v3-turbo checkpoint with a trained LoRA adapter merged into the weights. No separate adapter or base-model download is needed.

Run with Transformers

pip install "transformers==4.57.6" torch soundfile scipy

Example for a WAV file of up to 30 seconds:

import math
import soundfile as sf
import torch
from scipy.signal import resample_poly
from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq

repo = "Pirnazar/whisper-large-v3-turbo-turkmen"
device = "cuda" if torch.cuda.is_available() else "cpu"
dtype = torch.float16 if device == "cuda" else torch.float32
processor = AutoProcessor.from_pretrained(repo)
model = AutoModelForSpeechSeq2Seq.from_pretrained(repo, torch_dtype=dtype).to(device)
model.eval()
audio, sr = sf.read("audio.wav", dtype="float32")
if audio.ndim == 2:
    audio = audio.mean(axis=1)
if sr != 16000:
    divisor = math.gcd(sr, 16000)
    audio = resample_poly(audio, 16000 // divisor, sr // divisor)
if len(audio) > 30 * 16000:
    raise ValueError("Use the faster-whisper version below for longer audio.")
inputs = processor(audio, sampling_rate=16000, return_tensors="pt", return_attention_mask=True)
with torch.inference_mode():
    ids = model.generate(
        inputs.input_features.to(device=device, dtype=dtype),
        attention_mask=inputs.attention_mask.to(device),
        language="tk", task="transcribe", return_timestamps=False,
    )
print(processor.batch_decode(ids, skip_special_tokens=True)[0])

For longer recordings, MP3/OGG input and faster inference, use the CTranslate2 version.

Training and evaluation

These are the recorded training-time validation metrics, not an independent test-set evaluation or a fresh benchmark of this export. Performance on other speakers, noise and mixed-language audio has not been established.

Limitations

Use language="tk" and transcription mode. Training did not use timestamp tokens: disable timestamp generation. Segment times in the CTranslate2 version are approximate window positions, not verified word alignment. Recognition can contain errors and hallucinations; review important transcripts.

License and attribution

This fine-tuned release is distributed for non-commercial use under CC BY-NC 4.0. The training dataset is published by mamed0v under CC BY-NC 4.0. The original OpenAI Whisper model is MIT-licensed; see LICENSE-WHISPER. Credit OpenAI, mamed0v/TurkmenSpeech and Pirnazar when redistributing this release, and indicate modifications. This is a community fine-tune, not an official OpenAI model release.

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
76adbe7

0 моделей