/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
whisper-large-v2
Библиотека
transformers
Опубликована
24 дек 2025

whisper-large-v2-taiwanese-hakka-v1

Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper Large v2 для распознавания речи на тайваньском хакка и её транскрибации в текст.

10 876скачиваний за 30 дней0лайковвеса обновлены12 мая 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

whisper-large-v2-taiwanese-hakka-v1 — дообученная модель распознавания речи на основе openai/whisper-large-v2, размещённая автором в gated-репозитории Hugging Face. Она предназначена для преобразования аудио на тайваньском хакка в текст. Модель использует архитектуру Whisper Large v2 и библиотеку Transformers; обучение проводилось с размером батча 2 на 4 GPU L40S, накоплением градиентов 64 шага и общим числом 3828 шагов.

Для использования требуется запросить доступ к репозиторию и войти в Hugging Face с учётной записью, которой доступ предоставлен. Лицензия CC BY-NC 4.0 разрешает использование на условиях указания авторства и ограничивает коммерческое применение. Модель ориентирована на распознавание тайваньского хакка; сведений о длине контекста и показателях качества в доступной карточке нет.

Сценарии применения

  • транскрибация записей на тайваньском хакка
  • распознавание речи на тайваньском хакка
  • создание текстовых субтитров для аудио на хакка

Ограничения

Репозиторий закрыт по запросу доступа, поэтому перед использованием необходимо получить разрешение владельца модели. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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

Model Card for whisper-large-v2-taiwanese-hakka-v1

This model is a fine-tuned version of the Taiwanese hakka openai/whisper-large-v2.

Training process

The training of the model was performed with the following hyperparameters

  • Batch size: 2*4 (on 4 L40s GPU)
  • Gradient accumulation steps: 64
  • Total steps: 3828
  • Learning rate: 1e-4
  • Data augmentation: No
  • Optimizer: schedule_free_radam
  • LR scheduler type: constant

How to use

Access and Authentication

This model is hosted as a gated Hugging Face repository. Before using it:

  1. Visit the model page and request access.
  2. Log in with the same Hugging Face account that has been granted access.
  3. Authenticate your local environment with a Hugging Face access token.

A read token is sufficient for inference.

pip install -U huggingface_hub
hf auth login

Alternatively, you can provide the token through the HF_TOKEN environment variable:

export HF_TOKEN=hf_xxx

Do not hard-code your Hugging Face token in scripts, notebooks, or public repositories.

If you see an error such as Cannot access gated repo, make sure that:

  • your Hugging Face account has been granted access to this model;
  • hf auth whoami shows the expected account;
  • HF_HUB_DISABLE_IMPLICIT_TOKEN is not set.

Run Model

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "formospeech/whisper-large-v2-taiwanese-hakka-v1"
model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)
processor = AutoProcessor.from_pretrained(model_id)
pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    torch_dtype=torch_dtype,
    device=device,
)
generate_kwargs = {"language": "id"}
transcription = pipe("path/to/my_audio.wav", generate_kwargs=generate_kwargs)
print(transcription)

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
d6de9b9

0 моделей