/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
MIT
Архитектура
whisper · dense
Опубликована
16 янв 2024

distill-whisper-th-small

Распознавание речиАудио → текст3 профессии

Компактная дистиллированная модель Whisper для распознавания тайской речи.

433скачиваний за 30 дней0лайковвеса обновлены2 апр 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

biodatlab разработала компактную модель распознавания речи на архитектуре Whisper, дистиллированную из Whisper Small. В декодере 4 слоя вместо 12 у модели-учителя; число параметров составляет 153,1 млн. Модель предназначена для распознавания тайской речи и может применяться в приложениях транскрибации аудио.

При дистилляции использовались Common Voice v13, Gowajee, Thai Elderly Speech Corpus, собственные собранные данные и корпус тайских диалектов SLSCU. На тестовой части Common Voice 13 указана WER 11,23% при токенизации DeepCut против 13,14% у модели-учителя. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация аудио на тайском языке
  • распознавание тайской речи в приложениях
  • расшифровка записей разговоров на тайском
  • распознавание речи с тайскими диалектами

Ограничения

Модель обучена специально для тайского языка и может хуже работать с другими языками; качество распознавания зависит от диалекта, акцента, фонового шума и разборчивости речи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Distilled Small Whisper ASR Model for Thai

Model Description

This is a distilled Automatic Speech Recognition (ASR) model, based on the Whisper architecture. It has been specifically tailored for Thai language speech recognition. The model features 4 decoder layers (vs 12 in teacher model) and has been distilled from a larger teacher model, focusing on enhancing performance and efficiency.

Distillation Details

  • Teacher Model: Small Whisper ASR model
  • Datasets Used for Distillation:
    • Common Voice v13
    • Gowajee
    • Thai Elderly Speech Corpus
    • Custom Scraped Data
    • Thai-Central Dialect from SLSCU Thai Dialect Corpus

Model Performance

  • DeepCut Tokenized WER on Common Voice 13 Test Set:
    • Distilled Model: 11.23%
    • Teacher Model: 13.14%

This shows an improvement in Word Error Rate (WER), indicating enhanced accuracy in speech recognition tasks for the Thai language.

Intended Use

This model is intended for use in applications requiring Thai language speech recognition.

Limitations

  • The model is specifically trained for the Thai language and may not perform well with other languages.
  • Performance might vary across different Thai dialects and accents.
  • As with any ASR system, background noise and speech clarity can impact recognition accuracy.

Acknowledgments

This model was developed using resources and datasets provided by the speech and language technology community. Special thanks to the teams behind Common Voice, Gowajee, SLSCU, and the Thai Elderly Speech Corpus for their valuable datasets.

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.2
  • Datasets 2.16.1
  • Tokenizers 0.15.0

Contributors

Citation

Cite using Bibtex:

@misc {thonburian_whisper_med,
    author       = { Atirut Boribalburephan, Zaw Htet Aung, Knot Pipatsrisawat, Titipat Achakulvisut },
    title        = { Thonburian Whisper: A fine-tuned Whisper model for Thai automatic speech recognition },
    year         = 2022,
    url          = { https://huggingface.co/biodatlab/distil-whisper-th-small },
    doi          = { 10.57967/hf/0226 },
    publisher    = { Hugging Face }
}

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
14d3037

0 моделей