Модель Whisper Medium для расшифровки английской речи с региональными и нестандартными вариантами произношения кенийских говорящих.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
English Whisper Non-Standard Medium — модель распознавания речи, созданная дообучением OpenAI Whisper Medium на английской речи с нестандартными и региональными произносительными вариантами кенийских говорящих. Она предназначена для преобразования такой речи в текст, в том числе в сценариях, где стандартное произношение английского представлено недостаточно. Архитектура — WhisperForConditionalGeneration с 455,8 млн параметров; модель принимает аудио и выдаёт текст. В карточке указаны английский язык и дообучение на подмножестве Mozilla Common Voice и специально отобранной кенийской английской речи.
В README приведены метрики оценки: WER 0,1484 на dev и 0,1107 на test, CER 0,0810 на dev и 0,0613 на test. Эти результаты относятся к указанной оценке и не гарантируют такую же точность на других акцентах, акустических условиях или типах записей. Модель распространяется по лицензии Apache-2.0.
Модель настроена на английскую речь, в особенности на кенийские региональные и нестандартные произносительные варианты; качество на других языках, акцентах и акустических условиях не установлено. Приведённые WER и CER относятся только к указанным dev- и test-наборам.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Languages: English (en) — Non-standard / accented varieties from Kenyan speakers
This model was fine-tuned on accented and non-standard Kenyan English speech to enhance ASR accuracy for regional pronunciations.
Fine-tuning data: Subset of Mozilla Common Voice + curated Kenyan English speech
📊 Evaluation
| Metric | Dev | Test |
|---|---|---|
| WER | 0.1484 | 0.1107 |
| CER | 0.0810 | 0.0613 |
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…