/ Модель

Характеристики

Параметры
905 млн
Размер весов
5,4 ГБ
Лицензия
Apache 2.0
Архитектура
lite-whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
26 фев 2025

lite-whisper-large-v3

Распознавание речиАудио → текст10 профессий

Сжатая мультиязычная модель Whisper для автоматической транскрибации речи из аудио в текст.

3 228скачиваний за 30 дней8лайковвеса обновлены6 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки1

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • hf-audio/open-asr-leaderboard

    score · ниже — лучше

    Результат

    7,43

    librispeech_clean_wer 2,1spgispeech_wer 2,85tedlium_wer 3,73
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Lite-Whisper large-v3 — сжатая версия мультиязычной модели распознавания речи Whisper, разработанная авторами LiteASR на основе openai/whisper-large-v3. Модель принимает аудио и преобразует речь в текст; её можно применять для транскрибации записей и других сценариев автоматического распознавания речи.

В карточке указаны 905,2 млн параметров, архитектура LiteWhisperForConditionalGeneration и формат Safetensors. В сравнении на наборах ESB средняя частота ошибок слов (WER) составляет 10,2; для Whisper large-v3 в той же таблице указано 10,1. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • преобразование речи в текст
  • распознавание речи в мультиязычных аудиофайлах

Ограничения

В приведённом сравнении средний WER Lite-Whisper large-v3 немного выше, чем у Whisper large-v3: 10,2 против 10,1. Языки и поддержка перевода аудио в карточке этой модели отдельно не перечислены.

Для каких профессий подходит10

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

Model Card for Lite-Whisper large-v3

Lite-Whisper is a compressed version of OpenAI Whisper with LiteASR. See our GitHub repository and paper for details.

Here's a code snippet to get started:

import librosa 
import torch
from transformers import AutoProcessor, AutoModel

device = "cuda:0"
dtype = torch.float16

# load the compressed Whisper model
model = AutoModel.from_pretrained(
    "efficient-speech/lite-whisper-large-v3-turbo", 
    trust_remote_code=True, 
)
model.to(dtype).to(device)

# we use the same processor as the original model
processor = AutoProcessor.from_pretrained("openai/whisper-large-v3")

# set the path to your audio file
path = "path/to/audio.wav"
audio, _ = librosa.load(path, sr=16000)

input_features = processor(audio, sampling_rate=16000, return_tensors="pt").input_features
input_features = input_features.to(dtype).to(device)

predicted_ids = model.generate(input_features)
transcription = processor.batch_decode(
    predicted_ids, 
    skip_special_tokens=True
)[0]

print(transcription)

Benchmark Results

Following is the average word error rate (WER) evaluated on the ESB datasets:

ModelAverage WER (↓)Encoder SizeDecoder Size
whisper-large-v310.1635M907M
lite-whisper-large-v3-acc10.1429M907M
lite-whisper-large-v310.2377M907M
lite-whisper-large-v3-fast11.3308M907M
    
whisper-large-v3-turbo10.1635M172M
lite-whisper-large-v3-turbo-acc10.2421M172M
lite-whisper-large-v3-turbo12.6374M172M
lite-whisper-large-v3-turbo-fast20.1313M172M
    
whisper-medium14.8306M457M

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LiteWhisperForConditionalGeneration
Ревизия весов
0803b28

0 моделей