/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-small-ko
Опубликована
2 июл 2025

whisper-small-ko-new

Распознавание речиАудио → текст4 профессии

Объединённая версия Whisper Small, предназначенная для распознавания и транскрипции корейской речи.

38скачиваний за 30 дней3лайкавеса обновлены22 июл 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

Модель kimthegarden/whisper-small-ko-new разработана Jeongwon Kim и основана на Whisper Small — энкодер-декодерном трансформере WhisperForConditionalGeneration с 153,1 млн параметров. Это объединённая версия моделей SungBeom/whisper-small-ko и kimthegarden/whisper-korean-stt-v2-250626; в карточке также описано дообучение на 62 327 парах корейских аудиозаписей и транскрипций с использованием Transformers и PyTorch.

Модель предназначена для распознавания корейской речи общего назначения: разговоров, вещания и новостей. Подходит для пакетной и офлайн-транскрипции, а также для интеграции в голосовые системы на корейском языке. Репозиторий содержит веса в формате safetensors, лицензия — MIT.

Точность может снижаться на диалектах и акцентах, не представленных в обучающих данных, при сильном шуме, детской речи и произношении неносителей языка. Модель не оптимизирована для потокового распознавания и не предназначена для речи на других языках; перед применением в конкретной области рекомендуется проверить качество на её данных.

Сценарии применения

  • транскрибация корейских разговоров
  • расшифровка корейских новостей и вещания
  • пакетное распознавание корейских аудиозаписей
  • офлайн-транскрипция корейской речи
  • распознавание речи для корейского голосового помощника

Ограничения

Качество может быть ниже на мало представленных диалектах и акцентах, в шуме, на детской речи и речи неносителей корейского языка. Модель не оптимизирована для потокового распознавания и предназначена для корейской речи.

Для каких профессий подходит4

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 Card for whisper-small-ko-finetuned

This is a fine-tuned version of the SungBeom/whisper-small-ko model on a custom Korean speech recognition dataset.
It performs automatic speech recognition (ASR) for Korean audio data and achieves strong performance on the validation set.


Model Details

Model Description

This model is based on the Whisper-small architecture and fine-tuned on 62,327 Korean audio-transcript pairs using Hugging Face Transformers and PyTorch.
It is designed for general-domain Korean speech recognition (conversational, broadcast, news, etc.).

  • Developed by: [Jeongwon Kim]
  • Shared by: [kimthegarden]
  • Model type: Encoder-decoder Transformer (WhisperForConditionalGeneration)
  • Language(s): Korean (ko)
  • License: MIT
  • Fine-tuned from model: SungBeom/whisper-small-ko

Model Sources


Uses

Direct Use

  • Korean automatic speech recognition (ASR)
  • Offline or batch transcription of Korean speech data
  • Integration into Korean-language voice assistant systems

Downstream Use

  • Further fine-tuning on domain-specific datasets (e.g. legal, medical, education)
  • Research into Korean ASR model robustness or multilingual Whisper models

Out-of-Scope Use

  • Transcription of non-Korean speech (this model is Korean-only)
  • Real-time streaming ASR (not latency-optimized)
  • Zero-shot or few-shot adaptation to other languages

Bias, Risks, and Limitations

  • The model may show reduced accuracy on:
    • Regional dialects or accents not represented in the training data
    • Very noisy environments
    • Children’s speech or non-native pronunciation
  • The model has not been tested for fairness across different speakers (gender, age, etc.)

Recommendations

We recommend testing the model on your specific data domain before deployment.
Additional fine-tuning or data filtering may be required for sensitive use cases (e.g. education, healthcare).


How to Get Started with the Model

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torch

model = WhisperForConditionalGeneration.from_pretrained("your-username/whisper-small-ko-finetuned")
processor = WhisperProcessor.from_pretrained("your-username/whisper-small-ko-finetuned")

# Input: 16kHz waveform (float32 numpy or tensor)
inputs = processor(audio_waveform, 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)
print(transcription[0])

Contact

jwk20001007@gmail.com

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
e475de9

0 моделей