/ Модель

Характеристики

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

whisper-large-v3-turbo-urdu

Распознавание речиАудио → текст8 профессий

Дообученная на Common Voice 17.0 модель Whisper для распознавания речи на урду и преобразования аудио в текст.

260скачиваний за 30 дней5лайковвеса обновлены6 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

kingabzpro/whisper-large-v3-turbo-urdu — модель распознавания речи, созданная дообучением Whisper large-v3-turbo на наборе Common Voice 17.0. Она принимает аудио и выдаёт текстовую расшифровку на урду; модель реализована на архитектуре Whisper и содержит около 905,2 млн параметров.

Модель предназначена для транскрибации речи на урду, в том числе записей, подобных примерам из Common Voice. В README приведены результаты оценки на тестовой части Common Voice 17.0: WER около 26% и CER около 8,8%, поэтому в расшифровках возможны ошибки, особенно при отличающихся условиях записи или речи.

Модель доступна под лицензией Apache-2.0 и рассчитана на использование через Transformers.

Сценарии применения

  • расшифровка записей речи на урду
  • транскрибация аудио для субтитров на урду
  • распознавание урду в голосовых сообщениях
  • подготовка текстовых расшифровок для аудиоданных на урду

Ограничения

На тестовой части Common Voice 17.0 указан WER около 26%, поэтому слова могут распознаваться с ошибками. Качество вне этого набора данных в README не оценено.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper large V3 Turbo Urdu ASR Model 🥇

This model is a fine-tuned version of openai/whisper-large-v3-turbo on the common_voice_17_0 dataset.

It achieves the following results on the evaluation set:

  • Loss: 0.3534
  • Wer: 25.7842

Quick Usage

from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="kingabzpro/whisper-large-v3-turbo-urdu"
)

transcriber.model.generation_config.forced_decoder_ids = None
transcriber.model.generation_config.language = "ur"

transcription = transcriber("audio2.mp3")
print(transcription)
{'text': 'دیکھیے پانی کب تک بہتا اور مچھلی کب تک تیرتی ہے'}

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • training_steps: 1500

Training results

Training LossEpochStepValidation LossWer
0.67640.25453000.624444.9776
0.58810.50896000.508937.6214
0.46620.76349000.434932.1322
0.36611.017812000.363426.5683
0.22931.272315000.353425.7842

Framework versions

  • Transformers 4.53.1
  • Pytorch 2.8.0.dev20250319+cu128
  • Datasets 3.6.0
  • Tokenizers 0.21.2

Evaluation

Urdu ASR Evaluation on Common Voice 17.0 (Test Split).

MetricValueDescription
WER26.234%Word Error Rate (lower is better)
CER8.795%Character Error Rate
BLEU58.032%BLEU Score (higher is better)
ChrF81.636Character n-gram F-score

👉 Review the testing script: Testing Whisper Large V3 Turbo Urdu

Summary

The Word Error Rate (WER) of 26.23% is respectable, indicating that roughly three out of every four words are transcribed correctly. While there is room for improvement, this is a functional level of accuracy.

The model excels at the character level, with a low Character Error Rate (CER) of 8.80% and a very high ChrF score of 81.64. This shows it accurately captures the phonetic and structural details of the language. The high BLEU score further confirms that the generated transcriptions are coherent and closely match the reference text.

In summary, this is a high-performing and reliable ASR system that produces largely accurate and intelligible transcriptions.

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
62345c2

0 моделей