/ 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_0458

Распознавание речиАудио → текст

Дообученная версия Whisper Medium для автоматической транскрибации речи 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

whisper-medium-SIT2007260458 — дообученная модель OpenAI Whisper Medium для автоматического распознавания речи и преобразования аудио в текст. Она использует архитектуру WhisperForConditionalGeneration и формат весов safetensors; базовая модель содержит около 455,8 млн параметров. Модель предназначена для транскрибирования аудиозаписей. В README приведены результаты оценки: loss 0,0604 и WER 2,7833, однако условия и набор данных оценки не описаны.

Модель опубликована с лицензией Apache-2.0. Язык данных дообучения, поддерживаемые языки именно этой версии, контекстные ограничения и предполагаемые сценарии применения в карточке не описаны; поэтому нельзя делать вывод о её специализации по языку или предметной области.

Сценарии применения

  • транскрибация аудиозаписей в текст

Ограничения

Языки и данные дообучения не описаны, поэтому качество для конкретных языков и типов аудио не установлено. Метрики оценки приведены без описания набора данных и протокола.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-medium-SIT_20_07_26_0458

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: 0.0604
  • Wer: 2.7833

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
1.27241.0460.07594.3075
0.09982.0920.05792.8496
0.04413.01380.06463.4460
0.01754.01840.06292.4520
0.00405.02300.06042.7833

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
32accc3

0 моделей