/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
lite-whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
26 фев 2025

lite-whisper-large-v3-turbo-acc

Распознавание речиАудио → текст10 профессий

Сжатая мультиязычная модель Lite-Whisper для распознавания речи и преобразования аудио в текст.

3 627скачиваний за 30 дней13лайковвеса 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

    7,77

    librispeech_clean_wer 2,15spgispeech_wer 2,93tedlium_wer 3,6
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Lite-Whisper large-v3-turbo-acc — сжатая версия мультиязычной модели распознавания речи OpenAI Whisper, разработанная авторами LiteASR. Модель предназначена для преобразования аудио в текст и доступна для запуска через библиотеку Hugging Face Transformers.

В карточке приведено сравнение на наборах ESB: вариант acc показывает средний WER 10,1 при размере энкодера 429 млн параметров и декодера 907 млн; у Whisper large-v3 указаны тот же WER и энкодер 635 млн. По метаданным модель содержит 905,2 млн параметров и основана на openai/whisper-large-v3-turbo. Репозиторий распространяется в формате safetensors под лицензией Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в аудио
  • создание текстовых расшифровок для медиаконтента

Ограничения

В README приведён результат WER только по наборам ESB; сведений о производительности и качестве на других данных нет.

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-turbo-acc

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

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

Quick Start

The easiest way to run our model is to use our integration with HuggingFace Transformers library. We provide model weights for the compressed version of OpenAI Whisper series here.

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)

Citation

If you use LiteASR in your research, please cite the following paper:

@misc{kamahori2025liteasrefficientautomaticspeech,
      title={LiteASR: Efficient Automatic Speech Recognition with Low-Rank Approximation}, 
      author={Keisuke Kamahori and Jungo Kasai and Noriyuki Kojima and Baris Kasikci},
      year={2025},
      eprint={2502.20583},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2502.20583}, 
}

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
ef2c0dd

0 моделей