/ Модель

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Библиотека
transformers
Опубликована
20 июн 2026

vekol-stt-ckb-base

Распознавание речиАудио → текст6 профессий

Компактная дообученная модель Whisper распознаёт речь на сорани из аудио и подходит для локальной работы на CPU.

98скачиваний за 30 дней0лайковвеса обновлены20 июн 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

Vekol-STT Sorani — компактная модель распознавания речи на центральнокурдском языке (сорани), разработанная Revge и дообученная на базе OpenAI Whisper Base. Она преобразует аудио в текст на арабском письме и предназначена для локальной работы без подключения к сети, в том числе на CPU. Модель содержит 51,7 млн параметров; доступны форматы ONNX и Safetensors, а README также описывает варианты размером 72 МБ и 36 МБ для int8 и int4. Для запуска можно использовать ONNX Runtime или Transformers с PyTorch.

Модель обучалась на Common Voice 25.0 для ckb и FLEURS для ckb_iq. На тестовой выборке Common Voice с разделением по дикторам заявлены WER 29,0% и CER 7,95% без учёта пробелов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Качество распознавания зависит от аудио и может быть недостаточным для задач, требующих высокой точности; показатели README относятся к указанной тестовой выборке.

Сценарии применения

  • транскрибирование записей на сорани без доступа к интернету
  • распознавание речи на центральнокурдском в приложениях для CPU
  • расшифровка аудиозаписей с использованием ONNX Runtime
  • создание текстовых версий записей для последующей обработки

Ограничения

На тестовой выборке Common Voice 25 заявлены WER 29,0% и CER 7,95%, поэтому точность может быть недостаточной для сценариев с высокими требованиями к качеству. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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

Vekol-STT (Sorani, edge) — whisper-base

Central Kurdish (Sorani) speech-to-text that runs offline on CPU. A small Whisper model fine-tuned for Sorani, transcribing audio faster than real time on a laptop CPU. Part of the Vekol hub by Revge.

  • Model: vekol-stt-ckb-base (fine-tuned from openai/whisper-base, 74M)
  • Language: Central Kurdish / Sorani (ckb), Arabic script
  • Task: speech-to-text (transcription)
  • Accuracy: 29.0% WER, 7.95% CER (spacing-free) on the speaker-disjoint Common Voice 25 test
  • Size: 72 / 36 MB (int8 / int4)
  • Runtime: ONNX Runtime (torch-free, used by the helper) or transformers / PyTorch — both formats included

License

CC-BY-NC 4.0 (non-commercial). Fine-tuned from OpenAI Whisper (MIT). The weights here are released non-commercial to keep the hosted service (vekol.krd) sustainable. See NOTICE. Commercial use needs a license — use the hosted API or get in touch.

Usage

The simplest path is the vekol_stt.py helper from the GitHub repo, which downloads this model and handles Sorani normalization (ONNX Runtime + numpy, no PyTorch):

pip install transformers librosa torch
python3 vekol_stt.py audio.wav --model base

Or directly with transformers. Decode with language="fa" — Whisper has no Sorani token, so this model uses the Persian token as a script anchor:

import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration

proc = WhisperProcessor.from_pretrained("RevgeAI/vekol-stt-ckb-base")
model = WhisperForConditionalGeneration.from_pretrained("RevgeAI/vekol-stt-ckb-base").eval()

audio, _ = librosa.load("audio.wav", sr=16000)
feats = proc.feature_extractor(audio, sampling_rate=16000, return_tensors="pt").input_features
ids = model.generate(feats, task="transcribe", language="fa", max_new_tokens=225)
print(proc.tokenizer.decode(ids[0], skip_special_tokens=True))

Notes

  • Trained on Common Voice 25.0 (ckb) and FLEURS (ckb_iq), normalized to Sorani (Arabic to Kurdish letter/digit folding; diacritics, ZWNJ and tatweel stripped).
  • Accuracy is on the official speaker-disjoint test split (no speaker leakage). CER is spacing-free because Kurdish has no standard word-spacing.
  • For the large models (down to ~1.9% CER) and real-time streaming, use vekol.krd.

Links

Citation

@software{vekol_stt_ckb_edge,
  title        = {Vekol-STT: Sorani (Central Kurdish) on-device STT},
  author       = {Shvan, Darvan},
  organization = {Revge},
  year         = {2026},
  url          = {https://github.com/Revge/vekol-stt-ckb-edge}
}

Built by Darvan Shvan at Revge, part of the Vekol hub.

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
5dd9b25

0 моделей