/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
20 июл 2026

Whisper-ml-v1

Распознавание речиАудио → текст3 профессии

Дообученная на малаялам модель Whisper для транскрибирования коротких аудиозаписей.

10скачиваний за 30 дней0лайковвеса обновлены20 июл 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

Whisper-ml-v1 — модель распознавания речи на малаялам, созданная дообучением openai/whisper-small на выборке IndicVoices. Она предназначена для транскрибирования коротких аудиозаписей длительностью примерно до 30 секунд; модель построена на архитектуре Whisper и распространяется в формате safetensors для библиотеки Transformers. Результат работы — текстовая расшифровка речи на малаялам.

Модель подходит для транскрибирования коротких голосовых записей и аудиофрагментов на малаялам. Точность зависит от акцента, фонового шума и сходства тематики записи с данными IndicVoices. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование коротких записей речи на малаялам
  • распознавание малаяламской речи в голосовых сообщениях
  • получение текстовой расшифровки аудиофрагментов до 30 секунд

Ограничения

Предназначена для коротких аудиофрагментов примерно до 30 секунд; качество зависит от акцента, шума и соответствия домена данным IndicVoices.

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

Whisper Small — Malayalam (fine-tuned)

Fine-tuned openai/whisper-small for Malayalam speech recognition on IndicVoices.

Training

SettingValue
Base modelopenai/whisper-small
Datasetkethankrk/IndicVoices-sample-1000
Language / taskMalayalam / transcribe
Learning rate1e-5
Batch size8
Final validation WER~67.4%

Audio filtered to 1–30s; target transcripts capped at Whisper’s 448-token limit.

Usage

from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="abhinav-spidey/Whisper-ml-v1",
    chunk_length_s=30,
)
print(pipe("path/to/audio.wav")["text"])

Or load the model and processor directly:

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch

model_id = "abhinav-spidey/Whisper-ml-v1"
processor = WhisperProcessor.from_pretrained(model_id)
model = WhisperForConditionalGeneration.from_pretrained(model_id)

# inputs = processor(audio_array, sampling_rate=16000, return_tensors="pt")
# predicted_ids = model.generate(inputs.input_features)
# transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]

Intended use

Malayalam ASR for short clips (up to ~30s). Performance depends on accent, noise, and domain match to IndicVoices.

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
0559988

0 моделей