/ Модель
Каталог

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
11 окт 2025

Ссылки

Hugging Face

yi-whisper-large-v3

ivrit-ai
Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper Large v3 для транскрибации аудио на идише.

397скачиваний за 30 дней5лайковвеса обновлены11 окт 2025

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.

Открыть конструктор бенчмарка

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 ivrit-ai/yi-whisper-large-v3 разработана командой ivrit-ai и представляет собой дообученную версию Whisper Large v3 от OpenAI для распознавания речи на идише. Это плотная модель архитектуры Whisper с 905,2 млн параметров, опубликованная в формате safetensors для Transformers под лицензией Apache-2.0.

Модель предназначена прежде всего для транскрибации аудио на идише. При обучении использовались краудсорсинговые записи чтения фрагментов статей и голосовые сообщения с заранее заданными фразами; в части примеров учитывались временные метки и предыдущий текст. Для распознавания следует явно задавать языковой токен идиша.

В README отмечено, что обучение ухудшило автоматическое определение языка, поэтому модель рассчитана преимущественно на аудио на иврите. Перевод аудио не обучался и работает ненадёжно. Модель не следует выбирать для перевода речи или распознавания других языков без проверки.

Сценарии применения

  • транскрибация речи на идише
  • распознавание идишской речи в голосовых сообщениях
  • расшифровка записей чтения текстов на идише
  • получение текстовой расшифровки аудио на идише с явно заданным языком

Ограничения

Определение языка ухудшилось при дообучении, поэтому языковой токен идиша нужно задавать явно; модель рассчитана преимущественно на аудио на иврите. Перевод не обучался и ненадёжен.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

This model is a Yiddish finetune (continued training) of the OpenAI Whisper Large v3 model.

Model Details

Model Description

  • Developed by: ivrit-ai
  • Language(s) (NLP): Yiddish
  • License: Apache-2.0
  • Finetuned from model openai/whisper-large-v3
  • Training Date Oct 2025

Bias, Risks, and Limitations

Language detection capability of this model has been degraded during training - it is intended for mostly-hebrew audio transcription. Language token should be explicitly set to Yiddish

Additionally, the translation task was not trained and also degraded. This model would not be able to translate in any reasonable capacity.

How to Get Started with the Model

Please follow the original model card for usage details - replacing with this model name. You can also find other weight formats and quantizations on the ivrit ai HF page.

We created some simple example scripts using this model and weights for other inference runtimes. Find those in the "examples" folder within the training GitHub repo.

Training Details

Training Data

This model was trained on the following datasets:

Training Procedure

This model was trained in two main phases:

  • Recital + Whatsapp based pre-training - over both datasets.
  • Post training on the Whatsapp dataset only

Training code can be found on the ivrit-ai Github here

Preprocessing

The "Crowd Recital" and "Whatsapp" datasets contain timestamps and previous text following the Whisper expected inputs. Timestamps were used from 50% of samples from those datasets, and 50% of the previous text was used.

Preprocessing code can be found within the training code repository.

Datasets were interleaved with 0.915:0.085 ratio (recital:whatsapp) during the pretraining phase.

Training Hyperparameters

  • Training regime: bf16 mixed precision with sdpa
  • Learning Rate: 1e-5, Linear decay, 500 steps warmup for 4 epochs
  • Batch Size: 32

Training Hardware / Duration

  • GPU Type: 8 x Nvidia A40 machine
  • Duration: ~15h run across both phases

Evaluation

The Yi eval set is not yet published - an internal eval set was used.

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
eea1f9c

0 моделей

    Создать бенчмарк