/ Модель

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Библиотека
transformers
Опубликована
9 июл 2026

whisper-base-24lang

Распознавание речиАудио → текст8 профессий

Мультиязычная версия Whisper Base для распознавания речи в аудио на 24 языках.

9скачиваний за 30 дней0лайковвеса обновлены13 июл 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

burakaydinofficial/whisper-base-24lang — мультиязычная модель распознавания речи, созданная дообучением OpenAI Whisper Base. Она предназначена для транскрибирования аудио на 24 языках; карточка описывает её как контрольный вариант со стандартной архитектурой Whisper, сопоставимый с вариантом, преобразованным из MHA в MLA. Модель содержит 51,7 млн параметров и загружается через Transformers без пользовательского кода.

Модель дообучали 15 000 шагов на корпусе Whispered, с замороженным энкодером и режимом чтения речи. В карточке приведены восстановленные оценки для части языков на CommonVoice-17; авторы предупреждают, что они получены вычитанием измеренной стоимости преобразования из результатов связанной MLA-модели, а не отдельным тестированием этого чекпойнта. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование аудиозаписей на поддерживаемых языках
  • распознавание речи в записях с CommonVoice и FLEURS-подобной речью
  • создание субтитров из аудио
  • оценка качества распознавания речи на нескольких языках
  • развёртывание Whisper через Transformers

Ограничения

Оценки WER/CER в карточке восстановлены по результатам связанной MLA-модели и не являются отдельным измерением этого чекпойнта; независимая переоценка может дать немного другие значения. Модель обучалась на речи из CommonVoice и FLEURS, поэтому качество в других акустических условиях карточкой не подтверждено.

Для каких профессий подходит8

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-Base-24Lang — 24 languages fine-tune, standard architecture (scientific control)

A plain openai/whisper-base (unmodified architecture) fine-tuned on the 24 languages of the CC0 Whispered corpus. This is the matched scientific control for burakaydinofficial/whisper-base-mla-24lang — trained identically, minus the MHA→MLA conversion — published so the MLA conversion cost is independently reproducible. No custom code: loads directly in transformers, and — being a plain unmodified Whisper — is convertible for faster-whisper / CTranslate2 / whisper.cpp via their standard converters.

from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor
model = AutoModelForSpeechSeq2Seq.from_pretrained("burakaydinofficial/whisper-base-24lang")   # no trust_remote_code
processor = AutoProcessor.from_pretrained("burakaydinofficial/whisper-base-24lang")

Reproduce the conversion cost

Evaluate this control and whisper-base-mla-24lang on CommonVoice-17 (scripts/validate.py in the code repo); the per-language difference is the conversion cost reported on the MLA card and in docs/results/.

Results (CommonVoice-17 test, greedy, Whisper normalization + Arabic folding; CER for th/zh/ja)

Reconstructed numbers. This control's per-language WER/CER in the table are reconstructed as (the MLA model's absolute score − the measured paired conversion cost), not from a separate evaluation of this checkpoint; an independent re-eval may differ by a few tenths. The paired conversion cost is the directly measured quantity.

Langthis control
en20.5 WER
de29.7 WER
es18.8 WER
fr32.9 WER
it30.5 WER
pt28.4 WER
ru28.0 WER
nl26.9 WER
pl34.4 WER
id38.6 WER
tr38.8 WER
hi36.3 WER
ms35.0 WER
sv-SE43.2 WER
th23.9 CER
zh-CN25.2 CER
cs53.2 WER
vi43.1 WER
fi51.0 WER
el51.6 WER
da56.0 WER
ja34.3 CER
nn-NO67.3 WER
ko62.2 WER

Encoder frozen during fine-tuning; 15,000 steps, warmup+cosine, fp16. Read-speech domain (CommonVoice + FLEURS-validated). "Compression cost" does not apply to this unconverted control.

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
6f73aa0

0 моделей