/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
swecha-gonthuka-asr
Библиотека
transformers
Опубликована
11 июл 2026

telugu-whisper-finetuned

Распознавание речиАудио → текст9 профессий

Модель Wav2Vec2, дообученная для преобразования речи на телугу в текст.

7скачиваний за 30 дней0лайковвеса обновлены18 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

dinesh480/telugu-whisper-finetuned — модель распознавания речи на телугу, разработанная на основе Swecha Gonthuka ASR и дообученная на пользовательском наборе телугуязычных аудиозаписей. Она использует архитектуру Wav2Vec2ForCTC и преобразует речь в текст на телугу в Unicode. Модель подходит для транскрибации, голосовых помощников, создания субтитров, образовательных приложений и анализа речи.

Модель принимает монофонический звук WAV с частотой дискретизации 16 кГц; размер составляет 113,3 млн параметров. Репозиторий использует Transformers и хранит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Качество может снижаться при сильном фоновом шуме, нескольких говорящих, низком качестве записи и региональных акцентах, отсутствовавших в обучающих данных. README не приводит количественных результатов оценки.

Сценарии применения

  • транскрибация аудиозаписей на телугу
  • распознавание речи в голосовом помощнике на телугу
  • создание субтитров к телугуязычному аудио
  • подготовка текстовых расшифровок для образовательных материалов
  • анализ телугуязычных речевых записей

Ограничения

Качество может снижаться при сильном шуме, нескольких говорящих, низком качестве записи и акцентах, не представленных в обучающих данных. Количественные метрики качества в README не приведены.

Для каких профессий подходит9

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

Telugu ASR Fine-Tuned Model

Overview

This repository contains a fine-tuned Automatic Speech Recognition (ASR) model for the Telugu language.

The model is built upon Swecha Gonthuka ASR and further fine-tuned using a custom Telugu speech dataset to improve transcription quality on domain-specific Telugu speech.

The model converts spoken Telugu audio into Telugu Unicode text and can be used for:

  • Automatic Speech Recognition (ASR)
  • Speech-to-Text applications
  • Voice transcription
  • Voice assistants
  • Educational applications
  • Telugu speech processing research

Model Details

PropertyValue
Model TypeWav2Vec2ForCTC
LanguageTelugu
FrameworkHugging Face Transformers
Base Modelswechatelangana/swecha-gonthuka-asr
TaskAutomatic Speech Recognition
Fine-tuned ByDinesh

Base Model

This model has been fine-tuned from:

swechatelangana/swecha-gonthuka-asr

Original architecture:

Harveenchadha/wav2vec2-pretrained-clsril-23-10k
            ↓
swechatelangana/swecha-gonthuka-asr
            ↓
dinesh480/telugu-asr-finetuned

Fine-Tuning Dataset

The model was fine-tuned on a custom Telugu speech dataset.

Dataset Characteristics:

  • Language: Telugu
  • Audio Format: WAV
  • Sampling Rate: 16 kHz
  • Mono Audio
  • UTF-8 Telugu Transcriptions

Training Configuration

HyperparameterValue
FrameworkTransformers
ArchitectureWav2Vec2ForCTC
OptimizerAdamW
Learning Rate1e-4
Epochs10
Batch Size8
Mixed PrecisionFP16
LossCTC Loss

Usage

Install dependencies

pip install transformers torchaudio librosa

Load the model

from transformers import AutoProcessor
from transformers import AutoModelForCTC

processor = AutoProcessor.from_pretrained(
    "dinesh480/telugu-asr-finetuned"
)

model = AutoModelForCTC.from_pretrained(
    "dinesh480/telugu-asr-finetuned"
)

Or use the pipeline

from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="dinesh480/telugu-asr-finetuned"
)

result = pipe("audio.wav")

print(result["text"])

Example

Input Audio

audio.wav

Predicted Output

ఈ రోజు వాతావరణం చాలా బాగుంది.

Performance

The model has been fine-tuned to improve Telugu speech transcription quality over the base model on the custom training dataset.

Evaluation metrics may include:

  • Word Error Rate (WER)
  • Character Error Rate (CER)

Applications

This model can be used for:

  • Telugu Speech Recognition
  • Audio Transcription
  • Educational Projects
  • Research
  • Voice Assistants
  • Speech Analytics
  • Subtitle Generation

Limitations

Performance may decrease for:

  • Heavy background noise
  • Multiple speakers
  • Very low-quality recordings
  • Strong regional accents not present in the training data

Citation

If you use this model in your research, please cite:

@misc{telugu_asr_finetuned,
  title={Telugu ASR Fine-Tuned Model},
  author={K. Dinesh},
  year={2026},
  publisher={Hugging Face}
}

Acknowledgements

This project is based on:

  • Swecha Telangana
  • Hugging Face Transformers
  • PyTorch
  • Wav2Vec2
  • Hugging Face Hub

Special thanks to the developers of Swecha Gonthuka ASR for releasing the original Telugu ASR model.


License

This model follows the Apache-2.0 License inherited from the base 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
Wav2Vec2ForCTC
Ревизия весов
64950e2

0 моделей