/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo-russian
Библиотека
transformers
Опубликована
15 мая 2026

whisper-large-v3-turbo-russian-codeswitch

Распознавание речиАудио → текст3 профессии

Whisper, дообученная для распознавания русской речи с английскими IT-терминами, записанными латиницей.

172скачиваний за 30 дней5лайковвеса обновлены15 мая 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

Это специализированная версия Whisper-large-v3-turbo Russian от coriollon для распознавания русской речи с английскими техническими терминами и переключением между русским и английским языками. Модель предназначена для IT-диктовки, технических подкастов и других разговоров, где названия инструментов и брендов должны оставаться в латинской записи. В карточке указано 905,2 млн параметров; архитектура — Whisper для распознавания речи. Также доступна предварительно сконвертированная версия для faster-whisper с весами int8 и вычислениями fp16.

По заявленным результатам на тесте из 540 русских фраз с английскими техническими терминами модель показала WER 9,08% и точность записи терминов 74,26%. Дообучение выполнено с помощью LoRA на синтетических русских аудиоданных с английскими терминами и примеров на русском и английском языках. Для обычной русской диктовки автор рекомендует исходную русскую версию: у этой модели качество на ряде чисто русских тестов ниже. Редкие технические термины могут распознаваться кириллицей; синтетическая речь в обучении может отличаться от произношения людей. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка русской IT-диктовки с названиями инструментов на английском
  • транскрибация технических подкастов на русском с английскими терминами
  • распознавание смешанной русско-английской речи
  • создание субтитров для русскоязычных разговоров о технологиях

Ограничения

Для чисто русской речи модель может уступать базовой русской версии примерно на 2 процентных пункта WER. Обучение использовало синтетическую речь и покрывает 53 распространённых технических термина, поэтому редкие термины или реальное произношение могут распознаваться хуже.

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

Whisper-large-v3-turbo Russian — Code-Switching variant

Specialized variant of coriollon/whisper-large-v3-turbo-russian optimized for Russian speech with embedded English tech terms ("Открой Python и сделай git push").

When to use this vs the standard model

Use caseRecommended model
Pure Russian dictationcoriollon/whisper-large-v3-turbo-russian (9.43% AGG WER)
RU+EN code-switching (IT dictation, tech podcasts)this model

This variant trades ~2 pp on pure Russian WER for a massive code-switching gain.

Code-switching benchmark (540 RU sentences with EN tech terms)

MetricStandard RU modelThis modelΔ
WER24.64%9.08%−15.56 pp
Term accuracy¹12.59%74.26%+61.67 pp

¹ Term accuracy = fraction of utterances where the English tech term (e.g. "Python", "GitHub", "Docker") appears verbatim in latin script in the transcript.

Pure-Russian regression

DatasetStandard RUThis modelΔ
Common Voice 21 RU5.33%6.87%+1.54
RuLibriSpeech8.50%8.57%+0.07
Sberdevices Golos farfield11.05%10.38%−0.67
Sberdevices Golos crowd10.15%9.81%−0.34
SOVA RuDevices13.61%14.87%+1.26
Podlodka Speech10.85%(noisy n=20)—
AGG (N=200)~9.4%~11.8%+2.3

Usage

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torch

repo = "coriollon/whisper-large-v3-turbo-russian-codeswitch"
processor = WhisperProcessor.from_pretrained(repo)
model = WhisperForConditionalGeneration.from_pretrained(repo, torch_dtype=torch.float16).to("cuda")

inputs = processor(audio_array, sampling_rate=16000, return_tensors="pt")
feats = inputs.input_features.to("cuda", dtype=torch.float16)
ids = model.generate(feats, language="ru", task="transcribe", num_beams=5)
print(processor.batch_decode(ids, skip_special_tokens=True)[0])

Pre-quantized faster-whisper variant

FolderQuantizationSize
ct2_int8_float16/int8 weights + fp16 compute782 MB
from huggingface_hub import snapshot_download
from faster_whisper import WhisperModel

ct2_path = snapshot_download(
    repo_id="coriollon/whisper-large-v3-turbo-russian-codeswitch",
    allow_patterns="ct2_int8_float16/*",
)
model = WhisperModel(f"{ct2_path}/ct2_int8_float16", device="cuda", compute_type="int8_float16")
segments, _ = model.transcribe("audio.wav", language="ru", beam_size=5)

How it was built

LoRA r=32 (q+k+v+o+fc1+fc2, 27.85M params) trained on:

  • 2,160 RU sentences with EN tech terms (Silero TTS-bootstrapped, 50 templates × 53 terms × 5 voices)
  • 5,000 pure-RU anti-forgetting samples
  • 2,000 EN anti-forgetting samples

Reference labels in mixed script ("Открой Python") teach the model to natively output latin tokens for English terms instead of cyrillic transliteration ("питон").

Limitations

  • Pure-RU WER is ~2 pp worse than the standard model. Don't use this model if you don't need code-switching.
  • Training data was TTS-generated (Silero v4 RU) — real human pronunciation may differ slightly
  • Currently covers 53 common tech/brand terms; rare terms may still appear in cyrillic

License

Apache 2.0 (inherited from base Whisper model).

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
bf64d2a

0 моделей