/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
28 июл 2026

Ссылки

Hugging Face

whisper-medium-darija-combined

amineouaki
Распознавание речиАудио → текст4 профессии

Дообученная Whisper medium для распознавания марокканской дарижи и преобразования речи в текст.

143скачиваний за 30 дней1лайквеса обновлены2 авг 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.

Открыть конструктор бенчмарка

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

Модель разработана Amine Ouakib и представляет собой дообученную версию OpenAI Whisper medium для автоматического распознавания речи на марокканском диалекте арабского языка — дариже. Это плотная encoder-decoder модель Whisper с 455,8 млн параметров; она принимает аудио и выдаёт текстовую расшифровку. Для обучения использовались объединённые публичные наборы данных с марокканской речью; аудиофрагменты длиной более 15 секунд отфильтровывались.

В README сообщаются итоговые показатели WER 3,46% и CER 1,35%, однако описание тестового набора и методики оценки не приведено, поэтому результаты нельзя напрямую переносить на другие аудиозаписи. Модель предназначена для транскрибации дарижи и может быть полезна для обработки разговорной речи, включая аудио ресторанной тематики. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на марокканской дариже
  • распознавание разговорной речи на дариже
  • создание текстовых расшифровок аудио на марокканском диалекте
  • расшифровка коротких аудиофрагментов на дариже
  • транскрибация аудио ресторанной тематики на дариже

Ограничения

В обучении использовались аудиофрагменты длительностью не более 15 секунд. Описания тестового набора и методики расчёта WER и CER нет, поэтому заявленные метрики могут не отражать качество на иных данных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-medium-darija-combined

Fine-tuning de openai/whisper-medium pour la reconnaissance automatique de la parole (ASR) en darija (dialecte marocain), sur un ensemble combiné de datasets publics.

Résultats finaux

MétriqueValeur
WER (Word Error Rate)0.0346 (3.46%)
CER (Character Error Rate)0.0135 (1.35%)

Stats d'entraînement

StatValeur
Époques10.0
Train loss (moyenne)0.07550942687588065
Durée d'entraînement20:20:27
Vitesse5.479 samples/s, 0.171 steps/s

Datasets utilisés

  • adiren7/darija_speech_to_text
  • mohamedmou/moroccan-darija-asr-dataset-split
  • afyfbadreddine77/darija-asr-dataset
  • ntariklk/darija-merged-asr
  • atlasia/Moroccan-Darija-Wiki-Audio-Dataset
  • Datasmartly/moroccan_darija_audio (accès refusé — dataset privé, non inclus dans l'entraînement)
  • RHEZLOUNE/darija-restaurant-audio
  • anaszil/Segmented-Moroccan-Darija-Wiki-Audio-Dataset

Filtre appliqué : durée audio ≤ 15s.

Utilisation

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import librosa
import torch

processor = WhisperProcessor.from_pretrained("amineouaki/whisper-medium-darija-combined")
model = WhisperForConditionalGeneration.from_pretrained("amineouaki/whisper-medium-darija-combined")

speech, _ = librosa.load("audio.wav", sr=16000)
inputs = processor(speech, sampling_rate=16000, return_tensors="pt")

with torch.no_grad():
    generated_ids = model.generate(inputs.input_features, max_length=225)

print(processor.batch_decode(generated_ids, skip_special_tokens=True)[0])

Auteur

Amine Ouakib

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
a085813

0 моделей

    Создать бенчмарк