/ Модель

Характеристики

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

swecha-telangana-asr-base-model

Распознавание речиАудио → текст

Дообученная на речи телугу модель Whisper Small для автоматической транскрибации аудио в текст.

3скачиваний за 30 дней0лайковвеса обновлены9 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

Swecha Telangana ASR Base Model — модель распознавания речи, созданная Akhila Vishwanath дообучением OpenAI Whisper Small для транскрибирования речи на телугу. Модель принимает аудио и выдаёт текст; её обучали на размеченной речи на телугу из Mozilla Common Voice Scripted Speech 26.0 с помощью Mozilla AI Speech-to-Text Finetuning Blueprint.

Модель предназначена для преобразования речи на телугу в текст, голосовых помощников, создания субтитров и доступности образовательных приложений. По данным карточки, после дообучения WER снизился с 211,71 до 75,92, а CER — с 174,02 до 46,38; единицы и условия оценки в карточке не уточнены. Весы опубликованы в формате safetensors, лицензия — Apache-2.0.

Обучение только на Common Voice Telugu ограничивает перенос на другие условия: качество может снижаться при шуме, смешении языков, незнакомых акцентах и специализированной лексике. Модель рассчитана прежде всего на телугу.

Сценарии применения

  • транскрибация записей речи на телугу
  • автоматическое создание субтитров на телугу
  • распознавание речи на телугу для голосового помощника
  • подготовка текстовых версий образовательных аудио на телугу
  • преобразование устной речи на телугу в текст для инструментов доступности

Ограничения

Обучение проводилось только на речи из Mozilla Common Voice Telugu; качество может снижаться в шуме, при смешении языков, незнакомых акцентах и специализированной лексике. Приведённые WER и CER не сопровождаются описанием единиц измерения и условий оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Swecha Telangana ASR Base Model

Model Description

The Swecha Telangana ASR Base Model is a fine-tuned Automatic Speech Recognition (ASR) model built on OpenAI Whisper Small for Telugu speech recognition.

This model has been fine-tuned using the Mozilla Common Voice Scripted Speech 26.0 Telugu dataset through the Mozilla AI Speech-to-Text Finetuning Blueprint.

Base Model

  • openai/whisper-small

Language

  • Telugu (te)

Training Dataset

  • Mozilla Common Voice Scripted Speech 26.0 – Telugu
  • License: CC0-1.0

Training Configuration

ParameterValue
Base ModelWhisper Small
LanguageTelugu
Learning Rate1e-5
Batch Size32
Gradient Accumulation Steps1
Warmup Steps50
Max Steps50
Mixed PrecisionFP16
Evaluation MetricWord Error Rate (WER)

Intended Uses

  • Telugu Speech Recognition
  • Speech-to-Text Applications
  • Voice Assistants
  • Accessibility Tools
  • Educational Applications
  • Automatic Caption Generation
  • Research in Indian Language ASR

Limitations

  • Trained only on Mozilla Common Voice Telugu speech.
  • Performance may decrease for:
    • Noisy environments
    • Code-mixed speech
    • Unseen accents
    • Domain-specific vocabulary

Evaluation Results

MetricBefore Fine-tuningAfter Fine-tuning
WER211.7175.92
CER174.0246.38

The fine-tuned model significantly improves Telugu speech recognition compared to the baseline Whisper Small model.

Citation

If you use this model, please cite:

  • Mozilla Common Voice
  • Mozilla AI Speech-to-Text Finetuning Blueprint
  • OpenAI Whisper

Author

Akhila Vishwanath

Hugging Face: https://huggingface.co/akhila56

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
09c7faa

0 моделей