/ Модель

Характеристики

Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
10 июн 2024

tugstugi_bengaliai-regional-asr_whisper-medium

Распознавание речиАудио → текст5 профессий

Дообученная на десяти региональных диалектах бенгальского языка модель Whisper Medium для распознавания речи и её транскрипции.

1 970скачиваний за 30 дней4лайкавеса обновлены11 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.

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

Tugstugi Regional ASR — модель автоматического распознавания речи, разработанная BengaliAI и дообученная на Whisper Medium от OpenAI. Она обучена на региональной бенгальской речи из набора Ben-10, включающего десять диалектов, и предназначена для преобразования такой речи в текст.

Модель содержит 455,8 млн параметров, использует архитектуру Whisper и принимает аудио, выдавая текстовую транскрипцию. Карточка связывает её с исследованием об обобщении моделей распознавания речи на региональные диалекты языков с ограниченными ресурсами. Лицензия — Apache-2.0.

Модель ориентирована на бенгальскую речь и региональные диалекты. Карточка не сообщает о качестве на других языках или в условиях, отличающихся от обучающих данных; результаты на них могут быть менее надёжными.

Сценарии применения

  • транскрибация речи на региональных диалектах бенгальского языка
  • расшифровка аудиозаписей для бенгальских диалектов
  • оценка качества распознавания региональной бенгальской речи
  • создание текстовых расшифровок аудио из набора Ben-10

Ограничения

Модель предназначена для десяти региональных диалектов бенгальского языка; качество на других языках и разновидностях речи в карточке не охарактеризовано.

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

Tugstugi Regional ASR — Whisper Medium

This Whisper ASR model was trained on regional Bengali speech data with 10 dialects from the Ben-10 dataset.

Paper: Are ASR foundation models generalized enough to capture features of regional dialects for low-resource languages? (IJCNLP-AACL 2025)

Code: BengaliAI/reg-speech-aacl (training config in finetuning/)

Leaderboard: Ben-10 Regional ASR Leaderboard

Inference Space hosted at https://huggingface.co/spaces/bengaliAI/regional_bengali-asr_tugstugi_whisper-medium

Citation

@inproceedings{dipto-etal-2025-asr,
    title = "Are {ASR} foundation models generalized enough to capture features of regional dialects for low-resource languages?",
    author = "Dipto, Tawsif Tashwar  and
      Hossain, Azmol  and
      Faruque, Rubayet Sabbir  and
      Hassan, Md. Rezuwan  and
      Fatema, Kanij  and
      Shome, Tanmoy  and
      Naswan, Ruwad  and
      Zihad, Md. Foriduzzaman  and
      Anam, Mohaymen Ul  and
      Tasnim, Nazia  and
      Mahmud, Hasan  and
      Hasan, Md Kamrul  and
      Shawon, Md. Mehedi Hasan  and
      Sadeque, Farig  and
      Reasat, Tahsin",
    booktitle = "Proceedings of the 14th International Joint Conference on Natural Language Processing and the 4th Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics",
    month = dec,
    year = "2025",
    address = "Mumbai, India",
    publisher = "The Asian Federation of Natural Language Processing and The Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.ijcnlp-short.17/",
    doi = "10.18653/v1/2025.ijcnlp-short.17",
    pages = "178--188",
}

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
76cce9a

0 моделей