/ Модель

Характеристики

Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo-ar-quran
Библиотека
transformers
Опубликована
18 июн 2026

whisper-quran-lora-v2

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Large V3 Turbo для транскрибации коранической рецитации на арабском языке.

24скачиваний за 30 дней0лайковвеса обновлены6 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

aboalaa1472 разработал Whisper Quranic ASR v2 как дообученную и полностью объединённую версию Whisper Large V3 Turbo, предназначенную для распознавания речи при чтении Корана на арабском языке. Модель принимает аудио и выдаёт текстовую транскрипцию; она рассчитана на работу с особенностями коранической рецитации, включая таджвид, протяжные гласные и различия в темпе чтения.

Веса LoRA-адаптера объединены с базовыми параметрами, поэтому модель загружается как обычная модель Whisper без отдельной зависимости от PEFT. Для обучения использован датасет EveryAyah: 5 000 обучающих и 500 проверочных записей; при подготовке аудио применялись преобразования высоты тона и скорости воспроизведения. В карточке указана лицензия MIT. Количественные результаты распознавания и независимая оценка качества не приведены.

Сценарии применения

  • транскрибация чтения аятов Корана
  • распознавание коранической рецитации с разным темпом чтения
  • создание текстовых транскрипций аудиозаписей чтецов Корана
  • распознавание речи для приложений обучения чтению и заучиванию Корана

Ограничения

В карточке не приведены количественные метрики точности или независимая оценка качества. Описание обучения указывает на 5 000 обучающих и 500 проверочных записей из EveryAyah, поэтому качество на иных дикторах и акустических условиях не подтверждено.

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 Quranic ASR — Fully Merged Fine-Tuned Model (v2)

Graduation Project · Computer Engineering A fully merged, standalone fine-tuned version of Whisper Large V3 Turbo optimized for Quranic Arabic speech recognition. The LoRA adapter weights have been permanently fused into the base model parameters for zero-overhead inference.


📌 Model Overview

FieldDetails
Model Repoaboalaa1472/whisper-quran-lora-v2
Base Weightsnaazimsnh02/whisper-large-v3-turbo-ar-quran
ArchitectureWhisper Large V3 Turbo (Weights Fully Merged)
TaskAutomatic Speech Recognition (ASR) — Quranic Arabic
LanguageArabic (Classical / Quranic)
LicenseMIT

🎯 Project Motivation

Quranic recitation presents unique challenges for general-purpose ASR systems: precise Tajweed rules, elongations (Madd), and a phonetic richness distinct from Modern Standard Arabic.

While the initial version (v1) was trained using LoRA (Low-Rank Adaptation) and 8-bit quantization to fit modest hardware, this version (v2) represents the final engineering milestone: permanently merging those adapted weights back into the foundational model architecture. This eliminates any secondary dependency on PEFT libraries at inference time, reduces VRAM loading overhead, and guarantees maximal transcription throughput for real-world deployment in educational and memorization systems.


📂 Dataset

SplitSourceSamples
Trainingtarteel-ai/everyayah — train5,000
Validationtarteel-ai/everyayah — validation500

The EveryAyah dataset contains high-quality recordings of Quranic verses by various reciters, making it an ideal resource for training recitation-aware ASR models.


⚙️ Core Methodology (v1 → v2)

The model weights were fused in native FP16 precision using the following formula:

$$\theta_{\text{merged}} = \theta_{\text{base}} + \frac{\alpha}{r} (A \cdot B)$$

Where $A$ and $B$ are the low-rank matrices learned during the 400-step fine-tuning phase ($r=32$, $\alpha=64$). Merging these deltas ensures that the model executes as a single, unified computation graph with no PEFT overhead at inference time.


🔊 Audio Preprocessing & Augmentation

Decoding Pipeline

All audio files are decoded manually at 16 kHz using librosa.load(), converting raw bytes directly to float32 NumPy arrays. This approach bypasses the default torchcodec audio decoder (which exhibited compatibility issues with the installed PyTorch version) and ensures reproducible behaviour across environments.

Data Augmentation Strategy

To improve robustness to diverse recitation paces and tonal variations, two on-the-fly transformations were applied during training via the audiomentations library:

TransformParametersProbabilityPurpose
PitchShift±3 semitones50%Simulates pitch differences across male, female, and child reciters
TimeStretchRate: 0.85× – 1.15×40%Adapts the model to handle both rapid (Hadr) and deliberate (Tarteel) recitation paces

🚀 How to Run — Inference

Since this is a fully merged model, you do not need the peft library. Load it directly as a standard Whisper model.

1. Install Dependencies

pip install transformers torch librosa accelerate

2. Load and Transcribe

import torch
import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration, GenerationConfig

# ── Configuration ────────────────────────────────────────────────
MODEL_ID   = "aboalaa1472/whisper-quran-lora-v2"
AUDIO_PATH = "your_audio.wav"   # 16 kHz mono WAV recommended
# ─────────────────────────────────────────────────────────────────

# 1. Load processor and merged model
processor = WhisperProcessor.from_pretrained(MODEL_ID)
model = WhisperForConditionalGeneration.from_pretrained(
    MODEL_ID,
    torch_dtype=torch.float16,
    device_map="auto",
)

# 2. Attach stable generation config for Whisper Turbo architectures
model.generation_config = GenerationConfig.from_pretrained("openai/whisper-large-v3-turbo")
model.generation_config.forced_decoder_ids = (
    processor.get_decoder_prompt_ids(language="arabic", task="transcribe")
)
model.eval()

# 3. Load and preprocess audio
audio_array, _ = librosa.load(AUDIO_PATH, sr=16000)

inputs = processor.feature_extractor(
    audio_array,
    sampling_rate=16000,
    return_tensors="pt",
).to(model.device, dtype=torch.float16)

# 4. Generate transcription
with torch.no_grad():
    predicted_ids = model.generate(
        inputs.input_features,
        max_new_tokens=444,
        num_beams=1,
    )

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

print("📖 Transcription:", transcription)

🏗️ Repository Structure

Unlike adapter repos, this repository contains the complete weight matrices and configuration files required for native execution:

aboalaa1472/whisper-quran-lora-v2/
├── config.json               # Main model architectural configuration
├── model.safetensors         # Full fused model weights (~1.6 GB)
├── generation_config.json    # Text generation parameters
├── preprocessor_config.json  # Audio feature extractor settings (16 kHz, Mel banks)
├── tokenizer_config.json     # Tokenizer execution behaviours
├── tokenizer.json            # Vocabulary and subword token mappings
└── README.md                 # This file

📖 Citation

If you use this model in your research or project, please cite:

@misc{whisper-quran-lora-v2,
  author    = {aboalaa1472},
  title     = {Whisper Quranic ASR — Fully Merged Fine-Tuned Model (v2)},
  year      = {2026},
  publisher = {HuggingFace},
  url       = {https://drive.google.com/file/d/1fyQOqmz3Kdp8vDlsazdV7VgsXZPqm6Rc/view?usp=sharing}
}

🤝 Acknowledgements

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
8a52b78

0 моделей