/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
24 авг 2025

whisper-large-v3-finetuned-for-ATC

Распознавание речиАудио → текст3 профессии

Дообученная на авиационных радиопереговорах Whisper Large v3 для транскрибации коротких сообщений пилотов и авиадиспетчеров на английском языке.

1 142скачиваний за 30 дней6лайковвеса обновлены24 авг 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.

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

jacktol выпустил дообученную версию Whisper Large v3 от OpenAI для распознавания речи в авиационных радиопереговорах. Модель принимает аудио и преобразует короткие сообщения пилотов и авиадиспетчеров в текст на английском языке.

Дообучение на наборе ATC ASR Dataset адаптирует модель к авиационной терминологии и фразеологии, вариациям акцентов, неоднозначным формулировкам и шумным или искажённым передачам. В README заявлен показатель WER 6,5% на тестовом наборе; он не гарантирует такую же точность на других данных. Модель может применяться для транскрибации переговоров, поддержки систем управления воздушным движением, исследований и обучения.

Архитектура — WhisperForConditionalGeneration, около 905,2 млн параметров; веса представлены в формате safetensors. Лицензия — MIT. Модель предназначена прежде всего для английской авиационной речи, а на речи из других областей может работать хуже; качество также снижается при очень плохом аудио и акцентах, недостаточно представленных в обучающих данных.

Сценарии применения

  • транскрибация переговоров пилотов и авиадиспетчеров
  • распознавание коротких сообщений в авиационном радиоэфире
  • подготовка текстовых журналов переговоров для систем управления воздушным движением
  • анализ авиационной фразеологии и акцентов в исследованиях
  • создание учебных материалов на основе записей ATC

Ограничения

На речи вне авиационной тематики модель может обобщать хуже. Очень плохое качество аудио и акценты, недостаточно представленные в обучающих данных, снижают точность распознавания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

This model is a fine-tuned version of OpenAI's Whisper Large v3 model, specifically trained on Air Traffic Control (ATC) communication datasets. The fine-tuning process significantly improves transcription accuracy on domain-specific aviation communications, achieving a Word Error Rate (WER) of 6.5% on the test set. The model is particularly effective at handling accent variations and ambiguous phrasing often encountered in ATC communications.

  • Base Model: OpenAI Large v3
  • Fine-tuned Model WER: 6.5%

Model Description

This fine-tuned model is optimized to handle short, distinct transmissions between pilots and air traffic controllers. It is fine-tuned using data from:

The fine-tuned model demonstrates enhanced performance in interpreting various accents, recognizing non-standard phraseology, and processing noisy or distorted communications. It is highly suitable for aviation-related transcription tasks.

Intended Use

The fine-tuned Whisper model is designed for:

  • Transcribing aviation communication: Providing accurate transcriptions for ATC communications, including accents and variations in English phrasing.
  • Air Traffic Control Systems: Assisting in real-time transcription of pilot-ATC conversations, helping improve situational awareness.
  • Research and training: Useful for researchers, developers, or aviation professionals studying ATC communication or developing new tools for aviation safety.

Training Procedure

  • Hardware: Fine-tuning was conducted on two H100 SXM5 GPUs with 80GB VRAM.
  • Epochs: 3.25
  • Learning Rate: 1e-5
  • Batch Size: 10 with no gradient accumulation
  • Augmentation: Offline data augmentation techniques were utilized in the training set (Gaussian noise, pitch shifting, etc.).
  • Evaluation Metric: Word Error Rate (WER)

Limitations

While the fine-tuned model performs well in ATC-specific communications, it may not generalize as effectively to other domains of speech. Additionally, like most speech-to-text models, transcription accuracy can be affected by extremely poor-quality audio or heavily accented speech not encountered or properly represented during training.

References

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
d82c726

0 моделей