/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
17 сен 2026

whisper-large-v3-turbo-hindi

Распознавание речиАудио → текст6 профессий

LoRA-адаптер Whisper Large v3 Turbo для распознавания речи, дообученный прежде всего на хинди.

133скачиваний за 30 дней0лайковвеса обновлены20 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 оценки3

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • hf-audio/open-asr-leaderboard

    score

    Результат

    1,68

    rtfx 838,65ami_wer 12,79gigaspeech_wer 8,1
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • VoiceArena/MonsoonASR-Open-ASR-leaderboard-hi-IN

    wer · ниже — лучше

    Результат

    22,82

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • VoiceArena/Monsoon_hi_test

    score

    Результат

    22,82

    monsoon_hi_rtfx 275,69
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это LoRA-дообучение модели OpenAI Whisper Large v3 Turbo, опубликованное annotehrushi. Модель предназначена для автоматического распознавания речи и особенно адаптирована к хинди на данных MonsoonASR. Она принимает аудио и преобразует речь в текст; в карточке также приведены результаты на англоязычных и других тестах распознавания.

Адаптер обучен с параметрами LoRA r=32 и alpha=64. В README указаны результаты на бенчмарках, включая OIWER 22,82% на Monsoon hi-IN; там же сообщается о снижении показателя ошибки относительно базовой модели. В метаданных указаны форматы safetensors, библиотека Transformers и лицензия Apache-2.0. Результаты зависят от набора данных и условий оценки; на части тестов показатели после дообучения ухудшились, поэтому качество на других языках и типах речи может отличаться.

Сценарии применения

  • расшифровка речи на хинди
  • распознавание хинди в аудиозаписях
  • транскрибация англоязычного аудио
  • создание текстовых расшифровок речи для ASR-бенчмарков

Ограничения

В локальных тестах качество ухудшилось относительно базовой модели на LibriSpeech Clean, FLEURS English и FLEURS Hindi. Результаты бенчмарков не гарантируют такое же качество на других типах аудио и условиях записи.

Для каких профессий подходит6

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 — Hindi Fine-Tuned

Fine-tuned openai/whisper-large-v3-turbo on Monsoon Hindi ASR data using LoRA (r=32, alpha=64).

Results

Open ASR Leaderboard (official, evaluated on HF H200 GPUs)

BenchmarkWER / OIWERRTFx
Monsoon hi-IN (OIWER)22.82%275.69
AMI-Cleaned12.79%436.75
Earnings227.37%1426.70
GigaSpeech8.10%731.01
LibriSpeech Clean1.68%724.74
LibriSpeech Other4.02%670.05
SPGISpeech2.76%964.77
Monsoon en-IN3.86%975.66
VoxPopuli3.17%864.82
English Mean WER5.47%838.65

For reference, the base model openai/whisper-large-v3-turbo scores 37.98% OIWER on Monsoon hi-IN — a 40% relative improvement.

Anti-forgetting benchmarks (local evaluation)

BenchmarkBaselineFine-tunedDelta
LibriSpeech Clean (WER)3.70%3.94%+0.24pp
FLEURS English (WER)4.86%5.31%+0.45pp
FLEURS Hindi (WER)32.58%34.94%+2.36pp

Training Details

  • Method: LoRA (Low-Rank Adaptation)
  • Rank: 32, Alpha: 64, Dropout: 0.05
  • Target modules: q_proj, k_proj, v_proj, out_proj, fc1, fc2
  • Trainable parameters: 27.8M / 809M (3.33%)
  • Learning rate: 1e-4 with cosine schedule, 500 warmup steps
  • Epochs: 3 (729 total steps)
  • Training data: ~5.8 hours (Monsoon hi-IN train split)
  • GPU: NVIDIA A10G (24GB)
  • Training time: ~2.5 hours
  • Total cost: ~$15

Usage

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch

model = WhisperForConditionalGeneration.from_pretrained(
    "annotehrushi/whisper-large-v3-turbo-hindi",
    torch_dtype=torch.float16,
)
processor = WhisperProcessor.from_pretrained(
    "annotehrushi/whisper-large-v3-turbo-hindi"
)

model.generation_config.language = "hindi"
model.generation_config.task = "transcribe"

Open ASR Leaderboard

Submission: PR #219

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
0f26ce1

0 моделей