/ Модель

Характеристики

Опубликована
7 июл 2026

uz-whisper-small-stt-v2

Распознавание речиАудио → текст8 профессий

Модель на основе Whisper Small распознаёт узбекскую речь и преобразует её в текст.

38скачиваний за 30 дней3лайкавеса обновлены10 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Uzbek Whisper Small STT v2 — модель автоматического распознавания речи на узбекском языке, созданная на основе Whisper Small и дообученная на Mozilla Common Voice 26. В README указаны три эпохи обучения и 9 195 шагов оптимизации; оценка проводилась на узбекской тестовой выборке Common Voice 26.

Модель предназначена для преобразования узбекской речи в текст. Файлы основной ветки представлены в формате CTranslate2 FP16 для запуска через faster-whisper; это не стандартный чекпойнт Transformers. README не сообщает лицензию.

Точность может снижаться на записях с шумом, другими микрофонами, стилями речи и диалектами, а также на аудио, отличном от Mozilla Common Voice. Перед развёртыванием рекомендуется проверить модель на характерных для приложения записях.

Сценарии применения

  • транскрибация узбекских аудиозаписей
  • распознавание узбекской речи в голосовых сообщениях
  • создание субтитров для видео на узбекском языке

Ограничения

Качество может зависеть от микрофона, фонового шума, стиля и диалекта говорящего, а также от отличий аудио от Mozilla Common Voice. Рекомендуется проверять модель на характерных для применения записях.

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

Uzbek Whisper Small STT v2

An Uzbek automatic speech recognition model based on Whisper Small, fine-tuned on Mozilla Common Voice 26 and converted to CTranslate2 FP16 for efficient inference with faster-whisper.

Evaluation

MetricValue
Training epochs3
Optimization steps9,195
Test samples12,405
Test WER22.1379%
Test loss0.2795

Results were measured on the Uzbek test split of Mozilla Common Voice 26. Lower WER is better.

Installation

pip install faster-whisper

Usage

NVIDIA GPU

from faster_whisper import WhisperModel

model = WhisperModel(
    "maqsudxo1ja/uz-whisper-small-stt-v2",
    device="cuda",
    compute_type="float16",
)

segments, info = model.transcribe(
    "audio.wav",
    language="uz",
    beam_size=5,
)

text = "".join(segment.text for segment in segments).strip()
print(text)

CPU

from faster_whisper import WhisperModel

model = WhisperModel(
    "maqsudxo1ja/uz-whisper-small-stt-v2",
    device="cpu",
    compute_type="int8",
)

Model Format

The main branch contains CTranslate2 model files and should be loaded with faster-whisper. It is not a standard Transformers checkpoint.

The previous Transformers-format revision is preserved in the backup-transformers-before-finetune-20260810 branch.

Limitations

Performance may vary across microphones, background noise, speaking styles, dialects, and audio domains that differ from Mozilla Common Voice. Validate the model on representative production audio before deployment.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
bf1e5a0

0 моделей