/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
26 июн 2026

whisper-large-v3-te

Распознавание речиАудио → текст6 профессий

Дообученная версия Whisper large-v3 для преобразования речи на телугу в текст.

32скачиваний за 30 дней0лайковвеса обновлены1 июл 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.

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 модель автоматического распознавания речи на телугу, созданная Liodon AI путём дообучения openai/whisper-large-v3. Она преобразует аудиозаписи на телугу в текст и подходит для транскрибации записей и речевых данных на этом языке.

Модель основана на архитектуре Whisper large-v3 и обучена на примерно 119 тысячах аудиопримеров из датасетов Kathbath, IndicVoices-R и FLEURS. В карточке приведены промежуточные значения WER на валидационной части Kathbath: от 48,79% на шаге 0,10 до 40,78% на шаге 0,30; это указывает на ограничения качества данного чекпойнта. Указан epoch 1 checkpoint, а дальнейшее обучение продолжается. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на телугу
  • распознавание речи в голосовых сообщениях на телугу
  • получение текстовых расшифровок телугу-речи из речевых датасетов

Ограничения

Это ранний чекпойнт первого этапа обучения, и автор сообщает, что обучение продолжается. Приведённый WER на валидационной выборке Kathbath достигает 40,78% на указанном промежуточном шаге, поэтому ошибки распознавания могут быть существенными.

Для каких профессий подходит6

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-te

Telugu ASR model fine-tuned from openai/whisper-large-v3 by Liodon AI.

Note: This is the epoch 1 checkpoint (training complete). Further training with additional data is in progress — this model will be updated with improved checkpoints as training continues.

Training Data

~119K Telugu audio samples from three datasets:

DatasetSplitSize
ai4bharat/Kathbathtrain~70K
ai4bharat/indicvoices_rtrain~47K
google/fleurs (te_in)train~2K

Training Details

  • Base model: openai/whisper-large-v3
  • Hardware: NVIDIA GB10 (Grace Hopper), 128GB unified memory
  • Batch size: 16
  • Learning rate: 1e-5
  • Precision: bf16
  • Epochs: 1

WER Progress (Kathbath valid)

EpochWER
0.1048.79%
0.2043.35%
0.3040.78%
0.4039.61%
0.5038.96%
0.6038.51%
0.7038.31%
0.8038.17%
0.9038.16%
1.0038.15%

Usage

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch

model = WhisperForConditionalGeneration.from_pretrained(
    "liodon-ai/whisper-large-v3-te",
    torch_dtype=torch.float16,
)
processor = WhisperProcessor.from_pretrained(
    "liodon-ai/whisper-large-v3-te",
    language="Telugu",
    task="transcribe",
)

# Load your audio (must be 16kHz mono)
inputs = processor(audio_array, 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])

License

Apache 2.0

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
beaaf4e

0 моделей