/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
3 ноя 2025

FrWhisper

Распознавание речиАудио → текст3 профессии

FrWhisper — дообученная на разговорной французской речи модель Whisper large-v3 для транскрибации аудио, особенно речи с паузами, повторами и междометиями.

99скачиваний за 30 дней11лайковвеса обновлены15 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

FrWhisper — модель распознавания речи, разработанная Annette Gerstenberg и Hanno Müller на основе дообучения openai/whisper-large-v3. Версия v2 настроена на разговорную французскую речь, включая паузы и междометия, повторы и произнесённые числа. Модель принимает аудио и выдаёт транскрипцию; в репозитории используются веса Safetensors, запуск поддерживается через Transformers. Размер модели — 905,2 млн параметров.

Модель предназначена для транскрибации разговоров и социолингвистических интервью на французском языке. Она обучалась на улучшенной выборке корпусов ESLO и LangAge. В оценке на фиксированной тестовой выборке v2 показала WER 29,87 против 50,81 у базовой Whisper large-v3; авторы предупреждают, что тестовая выборка включает говорящих из обучающих данных, поэтому результат может быть оптимистичным. Модель специализируется на разговорном французском, и качество на других тематиках и акцентах может отличаться. Для длинных файлов авторы рекомендуют обработку фрагментами. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование.

Сценарии применения

  • транскрибация французских социолингвистических интервью
  • распознавание разговорной французской речи с запинками и повторами
  • преобразование французских аудиозаписей в текст
  • транскрибация произнесённых чисел и междометий во французской речи

Ограничения

Модель настроена на разговорный французский из социолингвистических интервью; качество на других доменах и акцентах может отличаться. Оценка может быть оптимистичной из-за пересечения говорящих в обучающей и тестовой выборках; коммерческое использование запрещено лицензией.

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

FrWhisper (Whisper Large-v3 fine-tuned for French conversational speech)

FrWhisper is a fine-tune of openai/whisper-large-v3 for spoken French, optimised for conversational speech with disfluencies (hesitations such as "euh", repetitions, interjections, spoken numbers). It is trained on material from the ESLO and LangAge corpora.

Versions

This repository keeps both releases as git tags:

  • v2 (this version, main): trained on an improved subset of ESLO/LangAge data.
  • v1: the earlier model, trained on a less optimal subset of ESLO/LAngAge data. Load it with revision="v1".
from transformers import pipeline
asr = pipeline("automatic-speech-recognition", model="aihpi/FrWhisper")            # v2 (latest)
asr_v1 = pipeline("automatic-speech-recognition", model="aihpi/FrWhisper", revision="v1")

Evaluation

WER / CER on a fixed 1000-sample held-out subset of the corrected test split (greedy decoding, forced French, lowercase + punctuation-stripped normalisation):

ModelWER (all)WER ESLOWER LangAgeCER (all)
Whisper large-v3 (base)50.8148.1154.6435.44
FrWhisper v1 (pre-improvement)34.1327.7443.1923.68
FrWhisper v2 (this model)29.8722.4140.4620.95

v2 improves over the base model by ~21 WER points and over v1 by ~4 points overall, with the largest gain on ESLO (the corpus most affected by the improved subset).

Usage

from transformers import pipeline

asr = pipeline("automatic-speech-recognition", model="aihpi/FrWhisper")
result = asr("audio.wav")   # 16 kHz mono; French is forced by the generation config
print(result["text"])

For long files, enable chunking: pipeline(..., chunk_length_s=30).

Training

  • Base model: openai/whisper-large-v3
  • Data: improved subset of ESLO + LangAge French speech (see the gated dataset aihpi/FrWhisper-dataset), 16 kHz mono, utterance-level segments.
  • Setup: bf16, learning rate 1.5e-5 (linear), warmup 1000 steps, effective batch size 64, max grad norm 0.5. Early stopping on eval WER (patience 3) kept the best checkpoint; French transcription is forced during generation.

Intended use and limitations

  • Intended use: non-commercial academic research on French ASR, especially conversational / disfluent speech.
  • Out of scope: commercial use (prohibited by the NonCommercial licence term).
  • Limitations: tuned for conversational French from sociolinguistic interviews; the eval split shares speakers with training, so reported WER is somewhat optimistic; performance on other domains/accents may vary.

Licence

Released under CC BY-NC-SA 4.0, subject to the terms of the underlying ESLO and LangAge corpora. ESLO material is Copyright (c) 2012 Université d'Orléans / LLL, freely available for non-commercial use under a Creative Commons licence.

Citation

@misc{frwhisper2025,
  title={FrWhisper: Whisper Large-v3 fine-tuned for French conversational speech},
  author={Hanno Müller, Annette Gerstenberg},
  year={2025},
  note={Fine-tuned on the LangAge and ESLO corpora}
}

Authors

Funding

The AI Service Centre Berlin Brandenburg is funded by the Federal Ministry of Research, Technology and Space under the funding code 01IS22092.

Contact

For questions about this model, please open an issue in the repository or contact kisz@hpi.de.

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
3812f86

0 моделей