/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
9 июл 2026

whisper-small-24lang

Распознавание речиАудио → текст8 профессий

Дообученная мультиязычная Whisper Small для транскрибирования чтённой речи на 24 языках.

12скачиваний 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-small-24lang — мультиязычная модель распознавания речи, созданная дообучением стандартной архитектуры OpenAI Whisper Small на 24 языках корпуса Whispered с лицензией CC0. Она предназначена для транскрибирования аудио и служит научным контрольным вариантом для сравнения с моделью, преобразованной из MHA в MLA. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и доступна в формате safetensors; она загружается через Transformers без trust_remote_code.

Модель обучена для распознавания чтённой речи; в README приведены результаты оценки на CommonVoice-17, включая WER для английского, немецкого и испанского. Стандартную архитектуру Whisper можно конвертировать стандартными инструментами для faster-whisper, CTranslate2 и whisper.cpp. Для использования весов применяется лицензия Apache-2.0; обучающий корпус Whispered указан как CC0.

Сценарии применения

  • транскрибирование чтённой речи на английском языке
  • распознавание немецкой речи
  • транскрибирование испанской речи
  • мультиязычная расшифровка аудиозаписей
  • сравнительная оценка качества распознавания Whisper и MLA

Ограничения

Обучение и проверка ориентированы на чтённую речь, поэтому качество для спонтанной речи и других акустических условий по этим данным не установлено. В README приведены лишь часть языковых результатов; полная таблица не представлена.

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

A plain openai/whisper-small (unmodified architecture) fine-tuned on the 24 languages of the CC0 Whispered corpus. This is the matched scientific control for burakaydinofficial/whisper-small-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-small-24lang")   # no trust_remote_code
processor = AutoProcessor.from_pretrained("burakaydinofficial/whisper-small-24lang")

Reproduce the conversion cost

Evaluate this control and whisper-small-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)

Langthis control
en12.2 WER
de14.9 WER
es10.0 WER
fr19.1 WER
it15.4 WER
pt14.8 WER
ru14.0 WER
nl13.2 WER
pl17.3 WER
id19.5 WER
tr21.1 WER
hi23.2 WER
ms20.1 WER
sv-SE21.9 WER
th12.1 CER
zh-CN15.6 CER
cs27.3 WER
vi28.4 WER
fi28.5 WER
el30.5 WER
da32.3 WER
ja23.3 CER
nn-NO43.1 WER
ko44.2 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
2af75ad

0 моделей