/ Модель

Характеристики

Лицензия
MIT
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
23 июл 2025

parrotlet-a-en-5b

Распознавание речиАудио → текст3 профессии

Модель EkaCare для транскрибации короткой англоязычной медицинской речи в текст.

39скачиваний за 30 дней4лайкавеса обновлены20 янв 2026

Бенчмарки

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

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

EkaCare Parrotlet-a-en-5b — модель автоматического распознавания речи, разработанная EkaCare для транскрибации англоязычной речи в медицинской среде Индии. Она объединяет энкодер Whisper large-v3 и декодер MedGemma 4B через проектор и преобразует аудио в текст медицинских высказываний.

Модель предназначена для транскрибации коротких аудиозаписей, например медицинских разговоров и диктовок. Для оптимальной работы README рекомендует аудио WAV или MP3 с частотой 16 кГц; размер чанка должен быть меньше 30 секунд.

Репозиторий распространяется по лицензии MIT. Карточка описывает настройку для английской речи в медицинском контексте; результаты для других языков и длительных записей не заявлены.

Сценарии применения

  • транскрибация медицинских диктовок на английском языке
  • распознавание речи врача в коротких аудиозаписях
  • преобразование медицинских разговоров в текст
  • расшифровка англоязычных аудиозаписей из индийских медицинских учреждений

Ограничения

Модель рассчитана на англоязычную речь в медицинской среде Индии; README рекомендует аудио с частотой 16 кГц и чанки короче 30 секунд. Работа с другими языками и более длинными записями не заявлена.

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

EkaCare Parrotlet-a-en-5b

This is a purpose-built automatic speech recognition (ASR) model specifically trained for english speech in Indian healthcare setting optimised for transcribing medical speech. This model combines Whisper V3 large encoder and MedGemma3 4B decoder through a lean projector layer for efficient speech-to-text conversion.

A detailed description of this model can be obtained from this blog post.

Installation Requirements

To use this model, you need to install the following dependencies:

Python 3.10 and the following packages using pip:

pip install torchaudio>=2.7.0 torch>=2.7.0 transformers>=4.52.0 librosa soundfile python-dotenv huggingface_hub

Below is an example of how to load and use this model for automatic speech recognition using the Hugging Face Transformers library.

Loading the model from Hugging Face Hub

from transformers import AutoModel
import librosa
from huggingface_hub import login

login("hf_xxxxxxxxxxxxxxxxx")

repo_name = "ekacare/parrotlet-a-en-5b"
model = AutoModel.from_pretrained(repo_name, trust_remote_code=True)

Load an audio file

audio_path = "path/to/your/audio.mp3"
audio, sample_rate = librosa.load(audio_path, sr=16000)  # Resample to 16kHz if needed

Perform speech recognition

transcription = model.transcribe(audio, sample_rate)
print("Transcription:", transcription)

Notes

  • Ensure the audio input is in compatible format (wav, mp3) with a 16kHz sampling rate for optimal performance.
  • This model handles short form audio with chunk size smaller than 30 seconds.

Authentication (if required)

Set up your Hugging Face token (if required):

Log in to your Hugging Face account and generate an access token at Hugging Face Settings. Set the token in your environment:

export HF_TOKEN="your-access-token"

Alternatively, use the Hugging Face CLI to log in:

huggingface-cli login

License

This model is released under the MIT License, enabling broad use while maintaining attribution requirements.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
4f8209e

0 моделей