Характеристики

Контекст: 1 024 токена
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-small
Библиотека: transformers
Опубликована: 9 июл 2026

Ссылки

Hugging Face

whisper-small-telugu-manohar

manohar2405

Распознавание речиАудио → текст

Дообученная на телугу версия Whisper Small для распознавания и транскрибирования речи из аудио.

6скачиваний за 30 дней0лайковвеса обновлены9 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 manohar2405/whisper-small-telugu-manohar — дообученная на телугу версия Whisper Small, созданная на основе проекта Mozilla.ai Blueprint speech-to-text-finetune. Она предназначена для автоматического распознавания речи и транскрибирования аудио на телугу. Архитектура — WhisperForConditionalGeneration; модель принимает аудио и выдаёт текст. Базовая модель OpenAI — мультиязычная Whisper Small, обученная для транскрибирования речи и перевода аудио на английский язык; для этой версии README указывает обучение на 99 аудиопримерах на телугу.

Дообучение снизило указанные в README значения WER и CER относительно базовой модели на тестах для телугу. При этом ошибки остаются заметными: у дообученной версии нормализованный WER составляет 73,466, а нормализованный CER — 44,25, поэтому точность на практике может быть ограниченной. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

транскрибирование аудиозаписей на телугу
распознавание телугу речи в коротких записях
создание черновых субтитров на телугу

Ограничения

Дообучение выполнено всего на 99 аудиопримерах, а указанные в README значения WER и CER после обучения остаются высокими; качество транскрипции может быть ограниченным. Метрики приведены для телугу, а результаты на других языках не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Finetuned openai/whisper-small on 99 telugu training audio samples from /content/drive/MyDrive/1781705178557-cv-corpus-26.0-2026-06-12-te/cv-corpus-26.0-2026-06-12/te.

This model was created from the Mozilla.ai Blueprint: speech-to-text-finetune.

Evaluation results on 93 audio samples of telugu:

Baseline model (before finetuning) on telugu

Word Error Rate (Normalized): 211.709
Word Error Rate (Orthographic): 197.708
Character Error Rate (Normalized): 174.02
Character Error Rate (Orthographic): 229.888
Loss: 2.799

Finetuned model (after finetuning) on telugu

Word Error Rate (Normalized): 73.466
Word Error Rate (Orthographic): 102.292
Character Error Rate (Normalized): 44.25
Character Error Rate (Orthographic): 61.264
Loss: 1.08

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: cf31582