/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
5 мая 2026

whisper-medium-km-indomain15-withac

Распознавание речиАудио → текст4 профессии

Дообученная версия Whisper Medium для распознавания речи на креольском языке Маврикия.

45скачиваний за 30 дней0лайковвеса обновлены5 мая 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

Shagufta/whisper-medium-km-indomain15-withac — модель распознавания речи, созданная дообучением OpenAI Whisper Medium на аудио на креольском языке Маврикия (Kreol Morisien, mfe). Это плотная encoder-decoder модель класса WhisperForConditionalGeneration примерно с 769 млн параметров, предназначенная для преобразования речи на этом языке в текст. В обучении использовались около 15 часов внутридоменной речи, разделённые на обучающую и проверочную выборки; аудио было в формате WAV, 16 кГц, моно. В названии README заявлено кондиционирование по акценту.

Модель ориентирована на расшифровку речи на креольском Маврикия в тематически близких к обучающим данным сценариях. Она построена на мультиязычной базовой модели Whisper Medium, однако сведения о контекстном окне и измеренных показателях качества этой версии не приведены. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • транскрибация записей речи на креольском языке Маврикия
  • создание субтитров для видео на креольском языке Маврикия
  • расшифровка внутридоменных аудиозаписей на креольском языке Маврикия

Ограничения

Обучение проводилось примерно на 15 часах внутридоменной речи, поэтому качество за пределами близких тематических условий может быть ограничено. В README не приведены численные результаты WER для этой версии.

Для каких профессий подходит4

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

Whisper Medium — Kreol Morisien (In-Domain Fine-Tuned, With AC, 10h)

This model is a fine-tuned version of openai/whisper-medium on 10 hours of in-domain Kreol Morisien (Mauritian Creole) audio data, with accent conditioning.

Model Details

ParameterValue
Base Modelopenai/whisper-medium
Parameters~769M
LanguageKreol Morisien (mfe)
TaskTranscription
Best WER12.82%

Training Data

  • Domain: In-domain Kreol Morisien speech
  • Total Duration: ~15 hours
  • Split: 90% train / 10% validation
  • Format: 16kHz mono WAV
  • Preprocessing: Text normalization (lowercased, whitespace-collapsed, smart quotes replaced)

Training Configuration

HyperparameterValue
Epochs10
Batch Size (per device)8
Gradient Accumulation Steps4
Effective Batch Size32
Learning Rate3e-5
LR SchedulerCosine
Warmup Steps200
Weight Decay0.1
Precisionbf16
Generation Beams (eval)1 (greedy)
Best CheckpointStep 700

Training Results

StepTraining LossValidation LossWER
1001.92890.38160.1964
2000.46910.32080.1579
3000.25710.31630.1499
4000.10960.34420.1494
5000.03980.32800.1360
6000.01790.33120.1292
7000.00460.34040.1282
7500.00410.34050.1317

Usage

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import soundfile as sf

processor = WhisperProcessor.from_pretrained("Shagufta/whisper-medium-km-indomain10-withac")
model = WhisperForConditionalGeneration.from_pretrained("Shagufta/whisper-medium-km-indomain10-withac")

speech, sr = sf.read("audio.wav", dtype="float32")

input_features = processor.feature_extractor(
    speech, sampling_rate=16000, return_tensors="pt"
).input_features

predicted_ids = model.generate(
    input_features,
    max_length=256,
    num_beams=5,
)

transcription = processor.tokenizer.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)

Model Config

model.config.forced_decoder_ids = None
model.config.suppress_tokens = []

Framework

  • Transformers (Seq2SeqTrainer)
  • Evaluate (WER metric)

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
f357728

0 моделей