/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
20 июл 2026

whisper-medium-SIT_20_07_26_0257

Распознавание речиАудио → текст

Дообученная на базе Whisper medium модель преобразует речь из аудио в текст.

6скачиваний за 30 дней0лайковвеса обновлены20 июл 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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

horhh/whisper-medium-SIT_20_07_26_0257 — дообученная модель распознавания речи на базе openai/whisper-medium, опубликованная пользователем horhh. Она принимает аудио и преобразует речь в текст; архитектура — WhisperForConditionalGeneration, формат весов — safetensors. Базовая Whisper medium — мультиязычная модель с 455,8 млн параметров, предназначенная для расшифровки речи и перевода речи.

В карточке приведены результаты оценки: loss 0,0618 и WER 2,4520, но датасет, язык и условия оценки не описаны, поэтому эти числа нельзя переносить на другие сценарии. Модель распространяется по лицензии Apache-2.0. Её качество и специализацию для конкретных языков или областей по доступным сведениям установить нельзя.

Сценарии применения

  • расшифровка аудиозаписей в текст
  • автоматическая транскрибация речи
  • создание черновых субтитров по аудио

Ограничения

В README не указаны язык обучения, датасет и условия оценки, поэтому приведённый WER нельзя уверенно интерпретировать или обобщать на другие данные.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-medium-SIT_20_07_26_0257

This model is a fine-tuned version of openai/whisper-medium on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0618
  • Wer: 2.4520

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossWer
1.27251.0460.07544.3075
0.09952.0920.05742.8496
0.04313.01380.05833.1146
0.01844.01840.06342.5845
0.00325.02300.06182.4520

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 2.19.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
c9d8478

0 моделей