/ Модель

Характеристики

Параметры
905 млн
Размер весов
12,3 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
2 мая 2024

whisper-large-v3-ru-podlodka

Распознавание речиАудио → текст10 профессий

Дообученная на русском Whisper Large V3 для транскрибации длинных записей, включая лекции и интервью.

405скачиваний за 30 дней17лайковвеса обновлены6 фев 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

Whisper Large V3 Russian Podlodka — модель распознавания русской речи, дообученная авторами репозитория на базе Whisper Large V3. Она предназначена для транскрибации длинных аудиозаписей, в частности лекций и интервью, и используется как финальный компонент системы Pisets для подготовки расшифровок. В описанной системе распознавание дополняют сегментация речи с помощью Wav2Vec2 и фильтрация неречевых фрагментов с помощью Audio Spectrogram Transformer.

Модель построена на архитектуре Whisper, содержит около 905,2 млн параметров и работает с аудио на входе, выдавая текст. В карточке перечислены обучающие наборы Taiga Speech v2, Podlodka Speech и RuLibriSpeech. Модель опубликована в форматах PyTorch и Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит численных результатов оценки качества, поэтому преимущество модели для конкретных условий записи по ней количественно оценить нельзя.

Сценарии применения

  • транскрибация русскоязычных лекций
  • расшифровка интервью
  • подготовка текста из длинных аудиозаписей
  • создание текстовой основы для SRT-субтитров

Ограничения

В карточке нет численных результатов оценки качества и подробностей о точности на разных акустических условиях. Описанная система использует модель совместно с Wav2Vec2 и AST, поэтому свойства всей системы нельзя приписывать одному Whisper-чекпойнту.

Для каких профессий подходит10

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 Russian Podlodka

This repository contains a fine-tuned Whisper Large V3 model for Russian speech recognition. It serves as the core transcription component of the Pisets system, specifically optimized for long audio recordings such as lectures and interviews.

The model was presented in the paper Pisets: A Robust Speech Recognition System for Lectures and Interviews.

System Architecture

The Pisets system implements a three-component architecture to improve recognition accuracy while minimizing hallucinations:

  1. Wav2Vec2: For primary recognition and segmentation.
  2. Audio Spectrogram Transformer (AST): For filtering non-speech segments.
  3. Whisper (this model): For the final high-quality transcription.

Implementation

The complete source code and instructions for using the system (including generation of SRT and DocX files) can be found in the GitHub repository:

GitHub: https://github.com/bond005/pisets

Citation

If you use this model or the Pisets system in your research, please cite:

@article{bondarenko2026pisets,
  title={Pisets: A Robust Speech Recognition System for Lectures and Interviews},
  author={Ivan Bondarenko},
  journal={arXiv preprint arXiv:2601.18415},
  year={2026}
}

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
13d6340

0 моделей