Характеристики

Параметры: 865 млн
Архитектура: whisper · dense
Опубликована: 1 июн 2025

Ссылки

whisper-ja-anime-v0.3

Распознавание речиАудио → текст3 профессии

Дообученная Whisper-модель с японским токенизатором для распознавания японской речи, в частности в длинных аудиозаписях.

1 349скачиваний за 30 дней12лайковвеса обновлены18 сен 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

efwkjn/whisper-ja-anime-v0.3 — дообученная модель семейства Whisper, созданная efwkjn на основе whisper-large-v3-turbo с японским токенизатором. Она предназначена для автоматического распознавания японской речи, в том числе длинных аудиозаписей; автор сообщает, что версия улучшена для длинных фрагментов, а короткие распознаёт немного хуже предыдущей версии. Модель содержит около 865,1 млн параметров и распространяется в формате safetensors.

Автор также обучал модель на текстах песен, но эту возможность не проверял. Для запуска предлагается использовать инструкции whisper-large-v3-turbo; при работе с faster-whisper может потребоваться вручную скорректировать настройки мультиязычности и подавляемых токенов из-за изменений словаря. Лицензия в предоставленных данных не указана.

Сценарии применения

распознавание японской речи в длинных аудиозаписях
транскрибация диалогов и реплик на японском языке
подготовка японских субтитров по аудио
распознавание японской речи в аниме и похожем аудиоконтенте

Ограничения

По сообщению автора, на коротких фрагментах модель немного уступает версии v0.2, а распознавание песенных текстов не проверялось. При использовании faster-whisper настройки мультиязычности и подавляемых токенов могут потребовать корректировки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

For usage instructions follow openai/whisper-large-v3-turbo. Note for faster-whisper vocab changes make model.is_multilingual and suppress_tokens wrong. Please adjust the code as required if you want to use this with faster-whisper.

Turbo finetune with japanese tokenizer. Full finetune trained 2^19 steps, batch size 64. Smaller vocab with ~1.6x bytes/token allows faster speed with 4 layers vs 2 layer distil (10% larger decoder).

Benchmarks. Short form slightly behind v0.2 (trained less?) but long form much better. Also trained for lyrics but untested.

Acknowledgements

Train sets: OOPPEENN, Reazon, 小虫哥_, Common Voice 20, deepghs
Test sets: KitsuneX07, TEDxJP, kotoba-tech, Saruwatari-lab, grider-withourai

Research supported with Cloud TPUs from Google's TPU Research Cloud (TRC)

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: 77edc3f