/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny
Библиотека
transformers
Опубликована
9 июл 2026

whisper-tiny-cv11

Распознавание речиАудио → текст7 профессий

Компактная дообученная многоязычная модель Whisper для транскрибации речи из аудио в текст.

11скачиваний 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

Whisper-Tiny-CV11 — модель распознавания речи, разработанная Burak Aydın и дообученная на базе openai/whisper-tiny на 11 языках корпуса Whispered с лицензией CC0. Это контрольная версия со стандартной архитектурой Whisper без преобразования MHA→MLA; модель принимает аудио и генерирует текстовую транскрипцию. Она предназначена для многоязычной транскрибации и воспроизводимой оценки влияния такого преобразования архитектуры.

Модель содержит 29,4 млн параметров, использует архитектуру WhisperForConditionalGeneration и загружается через Transformers без trust_remote_code. В README приведены результаты оценки на CommonVoice-17 для английского, немецкого и испанского; качество зависит от языка и может немного отличаться при повторной оценке. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на поддерживаемых языках
  • распознавание речи в записях Common Voice и FLEURS
  • сравнение качества стандартной Whisper с преобразованной версией MLA

Ограничения

Результаты в README относятся к чтению речи и различаются по языкам; указано, что независимая оценка может немного отличаться от опубликованных значений. Перечень в метаданных содержит девять языковых кодов, хотя README называет корпус 11-язычным.

Для каких профессий подходит7

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-Tiny-CV11 — 11 languages fine-tune, standard architecture (scientific control)

A plain openai/whisper-tiny (unmodified architecture) fine-tuned on the 11 languages of the CC0 Whispered corpus. This is the matched scientific control for burakaydinofficial/whisper-tiny-mla-cv11 — 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-tiny-cv11")   # no trust_remote_code
processor = AutoProcessor.from_pretrained("burakaydinofficial/whisper-tiny-cv11")

Reproduce the conversion cost

Evaluate this control and whisper-tiny-mla-cv11 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
en26.6 WER
de40.9 WER
es28.3 WER
fr43.4 WER
ru39.5 WER
tr51.1 WER
cy86.7 WER
ar65.9 WER
ka122.6 WER
th30.3 CER

Checkpoint note: this is the FINAL-step checkpoint; the dev-selected checkpoint that produced the reference numbers above was not retained, so an independent re-evaluation may differ by a few tenths of a WER point. The MLA card's reported cost used the dev-selected control.

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
6e76d6a

0 моделей