/ Модель

Характеристики

Лицензия
MIT
Базовая модель
whisper-large-v3-turbo
Библиотека
peft
Опубликована
26 мар 2025

whisper-large-v3-turbo-darija

Распознавание речиАудио → текст5 профессий

anaszil/whisper-large-v3-turbo-darija — LoRA-адаптер модели OpenAI Whisper Large v3 Turbo, дообученный автором anaszil для автоматического распознавания речи на марокканской арабской дариже (Darija, код ary).

2 142скачиваний за 30 дней9лайковвеса обновлены9 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 имеет архитектуру encoder-decoder ASR и предназначена для преобразования аудио в текст, включая расшифровку разговоров службы поддержки, интервью и голосовых сообщений.

Адаптер дообучен на очищенном и сегментированном частном корпусе марокканской дарижи с фрагментами длительностью до 30 секунд. Он применяется поверх базовой модели openai/whisper-large-v3-turbo; для использования требуются библиотеки PEFT и Transformers. LoRA-адаптеры затрагивают слои энкодера и декодера, включая q_proj, k_proj, v_proj, out_proj, fc1 и fc2. В README не указаны дополнительные языки, размер модели или точная длина контекста; для инференса рекомендуется обработка аудио с размером фрагмента 30 секунд.

На отложенной выборке из того же распределения данных заявлены WER 24,88%, CER 8,28% и evaluation loss 0,322. Низкий CER при более высоком WER связывается с отсутствием единой орфографии дарижи и вариативностью написания слов, поэтому результаты могут зависеть от особенностей датасета и не гарантируют аналогичную точность на других источниках речи. Данные о частном обучающем корпусе должны быть опубликованы позднее. Модель распространяется по лицензии MIT.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🗣️ Whisper Large v3 Turbo – Moroccan Darija (LoRA Fine-tuned)

Model Summary

anaszil/whisper-large-v3-turbo-darija is a fine-tuned LoRA adapter of OpenAI’s Whisper Large v3 Turbo, specialized for Moroccan Darija (ary) speech recognition.
The model was trained using a cleaned and segmented Darija audio corpus (≤30 s chunks), enabling accurate ASR performance for Moroccan Arabic dialects.


💬 Why It Matters

This work matters for all Moroccans who wish to see future AI systems and large language models better understand and represent our culture. Moroccan culture is primarily expressed through Darija, a dialect meant to be spoken rather than written. Because of this, most internet-trained LLMs struggle to comprehend or generate Darija properly — a challenge shared by many spoken dialects around the world.

Speech is the natural gateway to bridge this gap. Building a strong speech-to-text model for Darija is therefore essential: it allows AI systems to understand the language of everyday life, unlocking the full potential of AI regardless of written standards. By open-sourcing this Darija ASR model, I hope to encourage the creation of more high-quality datasets and research around dialectal Arabic.

Beyond research, this model also has practical business applications — such as transcribing customer support calls, interviews, and voice messages in Darija — enabling organizations to create real value from spoken Moroccan Arabic data.


🧩 Model Details

FieldDescription
Model TypeEncoder-decoder ASR (Whisper Large v3 Turbo, LoRA fine-tune)
Language(s)Moroccan Arabic (Darija)
LicenseMIT
Finetuned Fromopenai/whisper-large-v3-turbo
Hardware Used1 × H100 80 GB GPU
Frameworkstransformers 4.48.3, peft 0.14.0
Evaluation MetricsWER = 24.9 %, CER = 8.3 %

Demo and Resources


🚀 Quick Start

How to use this model :

import torch
from peft import PeftModel
from transformers import WhisperForConditionalGeneration, WhisperProcessor, pipeline

# Base and LoRA model names
base_model = "openai/whisper-large-v3-turbo"
lora_model = "anaszil/whisper-large-v3-turbo-darija"

# Load base model and apply LoRA adapters
dtype = torch.float16 if torch.cuda.is_available() else torch.float32
device = 0 if torch.cuda.is_available() else "cpu"

base = WhisperForConditionalGeneration.from_pretrained(base_model, torch_dtype=dtype)
model = PeftModel.from_pretrained(base, lora_model)
processor = WhisperProcessor.from_pretrained(base_model, language="Arabic", task="transcribe")

# Build the ASR pipeline
asr = pipeline(
    task="automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    chunk_length_s=30,
    device=device,
)

# Run inference
output = asr("path/to/audio.wav")
print(output["text"])

🧮 Training Configuration

  • Base Model: openai/whisper-large-v3-turbo
  • Fine-tuning Strategy: LoRA adapters applied to encoder and decoder layers
  • Precision: FP16
  • Learning Rate: 5e-5 (linearly decayed to ~1.4e-7)
  • Epochs: 5
  • Batch Size: 16 (train) / 32 (eval)
  • Optimizer: AdamW
  • Seed: 42
  • Training Time: ~4.1 hours on 1 × H100 80 GB
  • Target Modules: q_proj, k_proj, v_proj, out_proj, fc1, fc2
  • Rank (r): 16
  • Alpha (lora_alpha): 32

🎧 Dataset

  • Data Source: Private Moroccan Darija speech corpus (to be released soon).

📊 Evaluation Metrics

MetricResult
Word Error Rate (WER)24.88 %
Character Error Rate (CER)8.28 %
Evaluation Loss0.322

Evaluation was performed on a held-out subset from the same data distribution. The model achieves a low CER but a relatively higher WER compared to other languages. This difference is mainly due to the absence of a standardized writing system for Darija in Morocco — many words can be spelled in several valid ways. This variability also reflects a limitation of the dataset used for fine-tuning and highlights the need to establish a consistent orthographic standard for Darija before large-scale data collection efforts.


Как запустить

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

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Ревизия весов
9240591

0 моделей