/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
9 мар 2026

Egy_Arabic_whisper-small

Распознавание речиАудио → текст7 профессий

Дообученная Whisper Small распознаёт египетскую арабскую речь и преобразует аудио в текст.

482скачиваний за 30 дней2лайкавеса обновлены10 мар 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

Модель itshamdi404/Egy_Arabic_whisper-small — дообученная Hamdi Mohamed мультиязычная Whisper Small для распознавания египетского арабского на аудиозаписях и преобразования речи в текст. Архитектура WhisperForConditionalGeneration, около 153,1 млн параметров; модель использует библиотеку Transformers и веса в формате safetensors. При обучении применялись аудио с частотой 16 кГц, нормализация текста и извлечение признаков процессором Whisper.

Модель предназначена для транскрибации египетской речи, голосовых интерфейсов, разметки аудиоданных и бенчмаркинга распознавания арабских диалектов. Обучение на аудио с соответствующими расшифровками ориентировано на произношение, лексику и речевые особенности египетского диалекта. Лицензия — Apache-2.0.

На других арабских диалектах качество может быть ниже; шум, одновременная речь и низкое качество записи ухудшают распознавание. Редкие слова и имена могут транскрибироваться с ошибками.

Сценарии применения

  • транскрибация записей на египетском арабском
  • распознавание речи для голосовых помощников и интерфейсов
  • создание расшифровок для арабских аудиодатасетов
  • разметка египетской речи
  • бенчмаркинг распознавания арабских диалектов

Ограничения

Модель специализируется на египетском арабском и может хуже работать с другими диалектами; шум, перекрывающаяся речь и низкое качество записи снижают точность. Редкие слова и имена могут распознаваться неверно.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small Fine-Tuned for Egyptian Arabic ASR

This model is a fine-tuned version of OpenAI Whisper Small designed to improve Automatic Speech Recognition (ASR) performance on Egyptian Arabic speech.

The model was trained on Egyptian Arabic speech data to better capture dialectal pronunciation, vocabulary, and speech patterns that are not well represented in the base multilingual Whisper model.


Model Details

PropertyValue
Base Modelopenai/whisper-small
TaskAutomatic Speech Recognition (Speech-to-Text)
LanguageArabic (Egyptian Dialect)
FrameworkHugging Face Transformers
ArchitectureTransformer Encoder-Decoder (Whisper)

Training Overview

The model was fine-tuned on a dataset containing Egyptian Arabic speech and corresponding transcripts.

Training pipeline included:

  • Audio resampling to 16kHz
  • Text normalization
  • Filtering invalid samples
  • Whisper processor feature extraction
  • Fine-tuning using Hugging Face Transformers Trainer
  • GPU training with PyTorch

The training process aimed to improve transcription accuracy on dialectal Egyptian Arabic speech.


Intended Use

This model is intended for:

  • Egyptian Arabic speech transcription
  • Arabic speech recognition research
  • Voice AI applications
  • Speech dataset analysis
  • ASR benchmarking for Arabic dialects

Example use cases include:

  • Voice assistants
  • Transcription tools
  • Speech dataset labeling
  • Arabic voice interfaces

Limitations

  • The model is specialized for Egyptian Arabic and may perform worse on other Arabic dialects.
  • Performance may degrade on:
    • Noisy audio
    • Overlapping speech
    • Low-quality recordings
  • Like most ASR systems, rare words or names may be misrecognized.

Example Usage

import torch
import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration

model_id = "itshamdi404/Egy_Arabic_whisper-small"

processor = WhisperProcessor.from_pretrained(model_id, language="ar", task="transcribe")
model = WhisperForConditionalGeneration.from_pretrained(model_id)

audio, sr = librosa.load("test.wav", sr=16000)

inputs = processor(
    audio,
    sampling_rate=16000,
    return_tensors="pt"
)

with torch.no_grad():
    predicted_ids = model.generate(inputs["input_features"])

transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]

print(transcription)

Model Evaluation

The model was evaluated using standard ASR metrics:

MetricDescription
WERWord Error Rate
CERCharacter Error Rate

Evaluation was performed on unseen Egyptian Arabic speech samples.


Dataset

The model was fine-tuned using Egyptian Arabic speech data consisting of paired:

  • Audio recordings
  • Text transcripts

The dataset includes a variety of speakers and natural spoken language.


Future Improvements

Possible future improvements include:

  • Training on larger Egyptian Arabic datasets
  • Adding more speaker diversity
  • Improving robustness to noisy environments
  • Evaluating across multiple Arabic dialects

Author

Hamdi Mohamed — AI Engineer specializing in:

  • Large Language Models (LLMs)
  • Speech AI
  • Computer Vision

GitHub Hugging Face LinkedIn


Citation

If you use this model in your research or project, please cite:

@misc{hamdi2026whisper,
  author = {Hamdi Mohamed},
  title  = {Whisper Small Egyptian Arabic ASR Model},
  year   = {2026},
  url    = {https://huggingface.co/itshamdi404}
}

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
1d04bb9

0 моделей