/ Модель
Каталог

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
24 окт 2025

Ссылки

Hugging Face

yi-whisper-large-v3-turbo

ivrit-ai
Распознавание речиАудио → текст3 профессии

Дообученная ivrit-ai версия Whisper Large v3 Turbo для транскрибации речи, ориентированная преимущественно на аудио на иврите и идише.

1 112скачиваний за 30 дней1лайквеса обновлены9 фев 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.

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

ivrit-ai/yi-whisper-large-v3-turbo — дообученная на идише модель распознавания речи на базе OpenAI Whisper Large v3 Turbo. Она принимает аудио и преобразует речь в текст; в карточке указано, что модель предназначена преимущественно для транскрибации аудио на иврите, хотя обучение проводилось на датасетах с записями на идише. Для выбора языка распознавания нужно явно задавать токен Yiddish. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и распространяется в формате safetensors через Transformers.

Модель обучена ivrit-ai на двух краудсорсинговых наборах аудиозаписей: чтении фрагментов статей и голосовых записях заранее заданных фраз. Детальная оценка качества недоступна: внутренний тестовый набор не опубликован. Обнаружение языка ухудшилось, а перевод аудио не обучался и существенно деградировал, поэтому модель следует использовать для распознавания речи, а не для перевода. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на иврите
  • распознавание идишской речи с явно заданным языковым токеном
  • преобразование краудсорсинговых голосовых записей в текст

Ограничения

Обнаружение языка ухудшилось; для распознавания идиша нужно явно задавать языковой токен. Перевод аудио не поддерживается в приемлемом качестве, а опубликованного тестового набора для оценки нет.

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.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

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-turbo
  • 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: 5E-6, Linear decay, 500 steps warmup for 4 epochs + additional 200 steps on Whatsapp only with LR of 1E-6
  • Batch Size: 32

Training Hardware / Duration

  • GPU Type: 8 x Nvidia A40 machine
  • Duration: ~5h 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
7d0fc3e

0 моделей

    Создать бенчмарк