/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
18 апр 2026

phcodeswitch-ceb-dvo

Распознавание речиАудио → текст3 профессии

Дообученная модель Whisper small для транскрибирования даванийского себуано и англо-себуанской речи с переключением языков.

159скачиваний за 30 дней0лайковвеса обновлены1 авг 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

phcodeswitch-ceb-dvo — модель распознавания речи, разработанная на основе Whisper small и дообученная для распознавания даванийского варианта себуано, в том числе речи с переключением между английским и себуано. Она принимает аудио и выдаёт транскрипцию; для подсказки декодеру используется языковой код тагальского, поскольку у Whisper нет собственного токена себуано.

Модель предназначена для транскрибирования аудио на себуано и смешанной англо-себуанской речи. В README указана точность WER 20,86% на тестовой выборке на шаге 1200. Ожидаемый формат входа — монофоническое аудио с частотой 16 кГц.

Модель обучена на небольшом наборе данных, предоставленном сообществом, поэтому охват акцентов и словаря ограничен. Лицензия CC BY-NC 4.0 разрешает только некоммерческое исследовательское и образовательное использование; данные участников нельзя применять для клонирования голоса, имитации личности или синтеза речи.

Сценарии применения

  • транскрибирование речи на даванийском себуано
  • распознавание смешанной английской и себуанской речи
  • подготовка транскриптов аудио для некоммерческих исследований
  • транскрибирование записей для образовательных материалов

Ограничения

Обучение на небольшом наборе данных ограничивает охват акцентов и словаря; для декодирования себуано используется подсказка на тагальском. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими исследованиями и образованием; данные участников запрещено применять для клонирования голоса, имитации личности и синтеза речи.

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

phcodeswitch-ceb-dvo

Whisper small fine-tuned for automatic speech recognition (ASR) of Davao Cebuano, including English–Cebuano code-switching.

  • Base model: openai/whisper-small
  • Fine-tuned language: Cebuano (ceb), BCP-47 ceb
  • Task: Automatic speech recognition (transcribe)
  • Best WER: 20.86% (test split, step 1200)
  • License: CC BY-NC 4.0 — non-commercial research / educational use only

How to use

Install dependencies:

pip install --upgrade transformers torch librosa

Option 1 – pipeline (quickstart)

from transformers import pipeline
import librosa

pipe = pipeline(
    "automatic-speech-recognition",
    model="eemberda/phcodeswitch-ceb-dvo",
    device=0,  # use -1 for CPU
)

audio, sr = librosa.load("sample.wav", sr=16_000, mono=True)
result = pipe(
    audio,
    generate_kwargs={
        "language": "tl",   # Cebuano is not native to Whisper; Tagalog prompt works best
        "task": "transcribe",
        "num_beams": 5,
    },
)
print(result["text"])

Option 2 – manual inference with processor + model

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import librosa
import torch

model_id = "eemberda/phcodeswitch-ceb-dvo"

processor = WhisperProcessor.from_pretrained(model_id)
model = WhisperForConditionalGeneration.from_pretrained(model_id)
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device).eval()

audio, sr = librosa.load("sample.wav", sr=16_000, mono=True)
inputs = processor.feature_extractor(
    audio, sampling_rate=16_000, return_tensors="pt"
).input_features.to(device)

forced_decoder_ids = processor.get_decoder_prompt_ids(
    language="tl", task="transcribe"
)

with torch.no_grad():
    predicted_ids = model.generate(
        inputs,
        forced_decoder_ids=forced_decoder_ids,
        num_beams=5,
    )

transcription = processor.batch_decode(
    predicted_ids, skip_special_tokens=True
)[0].strip()
print(transcription)

Language notes

  • Whisper has no native Cebuano language token. The model is fine-tuned on Cebuano audio but uses the Tagalog (tl) decoder prompt, which Whisper treats as the closest supported related language.
  • The model also handles English and English–Cebuano code-switched speech.
  • Audio is expected at 16 kHz mono (resampled automatically by librosa in the examples above).

Training details

  • Base model: openai/whisper-small
  • Optimizer: AdamW, learning rate 1e-5, warmup 100 steps
  • Batch size 4 with gradient accumulation 4 (effective batch 16)
  • Max steps 1800 (best checkpoint at step 1200), early stopping patience 3
  • Mixed precision (fp16), gradient checkpointing, beam search (5) decoding

Limitations

  • Trained on a small, community-contributed dataset; coverage of accents and vocabulary is limited.
  • For non-commercial research and educational use only (CC BY-NC 4.0).
  • Contributed speaker data must not be used for voice cloning, impersonation, or voice synthesis. See the project repository's compliance documents.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
3a6999b

0 моделей