/ Модель

Характеристики

Параметры
905 млн
Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Опубликована
29 авг 2026

whisper-large-v3-turbo-tekyerema-eng-foundation

Распознавание речиАудио → текст3 профессии

Промежуточная дообученная модель Whisper для распознавания ганского английского в аудио, опубликованная как этап обучения перед финальной версией.

40скачиваний за 30 дней0лайковвеса обновлены22 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

Prince Nasamu Alhassan разработал промежуточный чекпойнт распознавания ганского английского языка на основе Whisper large-v3-turbo. Модель дообучена на вещательной речи и данных серебряного качества из Ghana Speech и связанных корпусов; в README она описана как первый этап двухэтапного обучения, а для использования рекомендована завершённая модель whisper-large-v3-turbo-tekyerema-eng.

Модель принимает аудио и выдаёт текст; архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Она предназначена для распознавания речи на ганском английском, но README указывает, что это промежуточный чекпойнт, опубликованный для возобновления обучения, а не готовый продукт. Оценка проводилась на прочитанном и машинно переведённом тексте, поэтому она не отражает надёжно полевую речь и поведение при переключении языков. Лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

Сценарии применения

  • транскрибация вещательной речи на ганском английском
  • распознавание ганского английского в исследовательских экспериментах
  • возобновление двухэтапного обучения модели ASR

Ограничения

Это промежуточный чекпойнт, и автор рекомендует для применения завершённую модель whisper-large-v3-turbo-tekyerema-eng. Оценка на прочитанном и машинно переведённом тексте не отражает надёжно полевую речь и переключение языков.

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

Ghanaian English ASR — course 1 (foundation)

Author: Prince Nasamu Alhassan

Overview

The intermediate checkpoint of a two-course English run, not the finished model. Course 1 adapts whisper-large-v3-turbo on broadcast and silver-quality Ghanaian speech; course 2 then fine-tunes on the gold slice and produces whisper-large-v3-turbo-tekyerema-eng, which is the one to use.

It is published because it is expensive — roughly 12 h 48 m of streamed training — and because it carries a _course_complete.json marker that lets a rerun skip straight to course 2. Deleting it would mean paying for course 1 again.

Use it

import torch, soundfile as sf
from transformers import AutoProcessor, WhisperForConditionalGeneration

repo  = "PrinceAlhassanNasamu/whisper-large-v3-turbo-tekyerema-eng-foundation"
proc  = AutoProcessor.from_pretrained(repo)
# fp32 on purpose. The checkpoint is stored fp16 and audio features are
# fp32, so the first conv otherwise fails with "Input type (float) and bias
# type (c10::Half) should be the same" — and CPUs cannot do fp16 conv
# usefully anyway.
model = WhisperForConditionalGeneration.from_pretrained(
    repo, dtype=torch.float32).eval()

wav, sr = sf.read("clip.wav", dtype="float32")   # 16 kHz mono
feats = proc(wav, sampling_rate=16_000, return_tensors="pt").input_features
with torch.no_grad():
    ids = model.generate(feats, language="en", task="transcribe")
print(proc.batch_decode(ids, skip_special_tokens=True)[0].strip())

Training data

Trained on the Ghana Speech dataset and related Ghanaian corpora, licensed CC BY-NC 4.0.

Intended use & license

Non-commercial use only (CC BY-NC 4.0). This is inherited from the training data and required by the terms under which the compute was granted: models trained in that window are non-commercial by condition of access, not by inference.

Limitations, stated plainly

  • Dagbani did get a recogniser, and the claim that it could not was wrong twice over. Every card on this account used to say that "one fine-tuning session on 74 validation rows would not change that". Those 74 rows are the eng-dag machine-translation validation split; the Dagbani speech data in this same account is waxal_dag — 13,228 training rows, 1,750 validation rows, ~71 hours, 1,041 speakers with the largest at 1%. Trained on it, tekyerema-asr-mms-dag scores 36.94 / 11.71, against the 86.59 / 33.95 this project had believed was the ceiling. It still loses to FarmerlineML/w2v-bert-2.0_2026_dagbani_ASR at 29.20 / 9.27, which is what the agent actually serves. A number carried across from a translation table into a speech claim was then repeated on every card here until 2026-09-22.
  • Evaluation is on read and machine-translated text. No recordings of people speaking agent commands in these languages exist. Numbers measured this way are optimistic about phrasing and pessimistic about code-switching, and should not be read as field performance.
  • Research work from a hackathon entry, not a supported product.

The rest of the family

Recognisers

Voices

Agent models

Translation

Routing

Acknowledgements

Compute resources provided by AI Skills and Compute Africa (AISCA). Trained on the Ghana NLP H200 GPU. Please keep derivatives non-commercial and share improvements back with the Ghana NLP community (ghananlpcommunity).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
2d53279

0 моделей