/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-medium.en
Опубликована
3 окт 2024

whisper-medium.en-fine-tuned-for-ATC

Распознавание речиАудио → текст3 профессии

Дообученная на авиационной радиосвязи англоязычная Whisper Medium EN для транскрибирования переговоров пилотов и авиадиспетчеров.

339скачиваний за 30 дней9лайковвеса обновлены25 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

Это англоязычная модель автоматического распознавания речи на базе OpenAI Whisper Medium EN, дообученная автором jacktol на данных авиационной радиосвязи. Она предназначена для транскрибирования коротких передач пилотов и диспетчеров, в том числе речи с различными акцентами, нестандартной фразеологией и помехами. Модель содержит около 455,8 млн параметров и принимает аудио, выдавая текст. В тестировании из карточки для неё указана WER 15,08%; автор отмечает улучшение относительно исходной модели на ATC-речи. Репозиторий создан 3 октября 2024 года и содержит веса в формате safetensors.

Модель подходит для подготовки расшифровок переговоров в системах управления воздушным движением, анализа авиационной радиосвязи и исследовательских или учебных проектов. Она лицензирована по MIT. Автор пометил эту версию как устаревшую и сообщает о более новой модели с лучшим результатом на тестовом наборе.

Сценарии применения

  • транскрибация переговоров пилотов и авиадиспетчеров
  • распознавание английской речи в авиаэфире с разными акцентами
  • подготовка текстовых расшифровок для систем управления воздушным движением
  • анализ авиационной радиосвязи в исследованиях и обучении

Ограничения

Модель может хуже работать с речью вне авиационной тематики, очень низким качеством аудио и акцентами, не представленными в обучающих данных. Автор пометил версию как устаревшую и сообщает о более новой модели с лучшим результатом.

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

Whisper Medium EN Fine-Tuned for Air Traffic Control (ATC)

Deprecation Notice (August 24, 2025)

This model is deprecated. A newer, larger, and better-performing model is now available, achieving a test set Word Error Rate (WER) of 6.5%, a significant improvement compared to this repository’s model with a 15.08% WER.

View the updated model on Hugging Face

Model Overview

This model is a fine-tuned version of OpenAI's Whisper Medium EN model, specifically trained on Air Traffic Control (ATC) communication datasets. The fine-tuning process significantly improves transcription accuracy on domain-specific aviation communications, reducing the Word Error Rate (WER) by 84%, compared to the original pretrained model. The model is particularly effective at handling accent variations and ambiguous phrasing often encountered in ATC communications.

  • Base Model: OpenAI Whisper Medium EN
  • Fine-tuned Model WER: 15.08%
  • Pretrained Model WER: 94.59%
  • Relative Improvement: 84.06%

You can access the fine-tuned model on Hugging Face:

Model Description

Whisper Medium EN fine-tuned for ATC 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.

You can test the model online using the ATC Transcription Assistant, which lets you upload audio files and generate transcriptions.

Training Procedure

  • Hardware: Fine-tuning was conducted on two A100 GPUs with 80GB memory.
  • Epochs: 10
  • Learning Rate: 1e-5
  • Batch Size: 32 (effective batch size with gradient accumulation)
  • Augmentation: Dynamic data augmentation techniques (Gaussian noise, pitch shifting, etc.) were applied during training.
  • 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 during training.

References

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
d373acb

0 моделей