/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-tiny.en
Опубликована
30 авг 2026

kid-whisper-tiny-en-myst-ours

Распознавание речиАудио → текст3 профессии

Дообученная на корпусе MyST модель Whisper tiny.en для распознавания английской детской речи и исследований сжатия ASR-моделей.

42скачиваний за 30 дней0лайковвеса обновлены30 авг 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 англоязычная модель автоматического распознавания детской речи, созданная дообучением Whisper tiny.en исследовательской группой, указанной в репозитории lokeshkumar79/kid-whisper-tiny-en-myst-ours. Модель предназначена для распознавания речи в корпусе MyST и исследований сжатия ASR-моделей детской речи, включая посттренировочную квантизацию и прореживание. Она основана на Whisper tiny.en, имеет около 29,4 млн параметров по метаданным и принимает аудио, выдавая текст.

Для обучения использовались отфильтрованные обучающая и валидационная выборки MyST; README сообщает WER 14,53% на тестовой выборке MyST при заданном протоколе оценки. Результат относится к этому протоколу и не гарантирует качество на других данных. Модель выпущена под лицензией MIT. README указывает исследовательское назначение и отсутствие оценки для производственного применения.

Сценарии применения

  • распознавание английской речи детей
  • транскрибирование аудиозаписей из корпуса MyST
  • сравнение методов квантизации моделей распознавания детской речи
  • исследование прореживания компактных ASR-моделей

Ограничения

Оценка WER 14,53% проведена на тестовой выборке MyST по конкретному протоколу и не подтверждает качество на других наборах данных. Модель предназначена для исследований и не оценивалась для производственного применения.

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

kid-whisper-tiny-en-myst-ours

Fine-tuned openai/whisper-tiny.en on the MyST children's speech corpus, for research into compression (quantization + pruning) of children's ASR models at small scale.

Model Details

  • Base model: openai/whisper-tiny.en (39M parameters)
  • Fine-tuning data: MyST corpus, filtered train/dev splits (57,687 train utterances / 9,017 dev utterances)
  • Filtering pipeline: custom preprocessing (missing-transcript removal, reference-ASR quality filtering, non-speech-tag handling, short-utterance removal, duration capping for train/dev). See [link to your preprocess_myst.py / thesis Chapter 2 if published] for full filter specification.
  • Training framework: HuggingFace Seq2SeqTrainer
  • Precision: fp16 mixed-precision training

Training Hyperparameters

ParameterValue
Learning rate1e-5
Per-device batch size16
Gradient accumulation4 (effective batch 64)
Warmup steps500
Early stoppingpatience=5, metric=WER on dev
Best checkpointstep 5000

Evaluation

Training-time dev WER (early-stopping metric only): 13.14% Measured on individual (non-concatenated) data/filtered/dev utterances, used solely for checkpoint selection during training. This is not the model's reportable evaluation number.

Reportable baseline WER: 14.53% Measured via HuggingFace ASR pipeline with chunk_length_s=30, beam search (beam=5), batch=4, against the full 3,972-chunk held-out MyST concatenated test set (data/concatenated/test) — the identical protocol used to evaluate every other checkpoint in this research.

ModelParametersFP16 Baseline WER
kid-whisper-tiny-en-myst-ours (this model)39M14.53%
kid-whisper-small-en-myst (Attia et al.)244M9.16%
kid-whisper-medium-en-myst (Attia et al.)769M8.94%
kid-whisper-small-myst, multilingual (Attia et al.)244M9.91%

All four numbers were measured under the identical evaluation protocol above, making this the first case in this research where the tiny-scale result is directly comparable to the Small/Medium-scale checkpoints rather than relying on separately-reported, differently-measured numbers.

Relationship to Other KID-Whisper Checkpoints

This checkpoint is independently trained and is not derived from or affiliated with:

  • aadel4/kid-whisper-small-en-myst / aadel4/kid-whisper-medium-en-myst (Attia et al., fine-tuned Small/Medium Whisper on MyST)
  • SatwikDutta/kid-whisper-tiny-en-myst (Dutta et al., fine-tuned tiny.en on a different MyST filtering/split scheme)

This checkpoint was trained specifically to extend a compression study (quantization + pruning) to tiny-scale Whisper using the same data filtering and evaluation pipeline already used for Small/Medium-scale checkpoints in that study, avoiding a training-data confound that would have resulted from mixing in an externally-trained tiny.en checkpoint with a different, undocumented data version.

Intended Use

Research use for studying model compression (post-training quantization, magnitude/importance-based pruning) on children's speech ASR at small model scale. Not evaluated or intended for production deployment.

License

MIT, matching the base openai/whisper-tiny.en license.

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
905faeb

0 моделей