/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
16 мая 2026

FarukSTT

Распознавание речиАудио → текст6 профессий

Модель на основе Whisper Large v3 для транскрибации тунисского арабского диалекта Derja с переключением между арабским, французским и английским языками.

93скачиваний за 30 дней0лайковвеса обновлены16 мая 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

FarukSTT — модель распознавания речи и преобразования аудио в текст для тунисского арабского диалекта Derja. Она разработана на основе Whisper Large v3 с дообучением на 54 156 парах аудио и транскрипций реальной разговорной речи. Модель обрабатывает переключение между арабским, французским и английским языками в одной фразе; размер — 905,2 млн параметров. В тесте на валидационной выборке FARUKxAUTO/tunisian-asr-cleaned версия v2 показала WER 31,99% против более 50% у исходной Whisper Large v3.

Модель предназначена для транскрибации тунисской речи из разговоров, интервью, подкастов и встреч, а также для подготовки текста Derja к последующей обработке. Она ориентирована на диалект, а не на литературный арабский; заявленная точность подходит для транскрибации с проверкой человеком, а в сильном шуме качество может снижаться. В карточке указана лицензия MIT.

Сценарии применения

  • транскрибация разговорной речи на тунисском диалекте
  • расшифровка интервью и встреч с тунисскими говорящими
  • создание субтитров для тунисских подкастов
  • распознавание речи с переключением между арабским, французским и английским
  • подготовка транскриптов Derja для последующей обработки

Ограничения

Оптимизирована для тунисского диалекта, а не современного литературного арабского; WER около 32% означает, что для точных транскриптов нужна проверка. Качество может снижаться при сильном шуме.

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

FarukSTT — Tunisian Derja Speech-to-Text

FarukSTT is the best publicly available ASR model for Tunisian Arabic (Derja), fine-tuned from Whisper Large v3. It handles real-world Tunisian speech including natural code-switching between Arabic, French, and English.

Whisper Large v3 out of the box scores above 50% WER on Tunisian Derja. This model brings that down to ~32% through targeted fine-tuning on real Tunisian conversational data.

Performance

ModelWER
Whisper Large v3 (baseline)>50%
FarukSTT v133.26%
FarukSTT v231.99%

Evaluated on FARUKxAUTO/tunisian-asr-cleaned validation split.

Key Features

  • Tunisian Derja — not MSA, real dialectal Arabic
  • Code-switching — Arabic + French + English mid-sentence
  • Real-world speech — podcasts, interviews, conversations
  • 54k training samples — 12.7GB of audio data

Intended Use

  • Tunisian Arabic transcription
  • Meeting and interview transcription for Tunisian speakers
  • Input for downstream NLP tasks in Derja

Limitations

  • Optimized for Tunisian dialect, not Modern Standard Arabic
  • WER ~32% — suitable for assisted transcription, not verbatim accuracy
  • May struggle in very noisy environments

Training Data

Fine-tuned on FARUKxAUTO/tunisian-asr-cleaned — 54,156 audio-transcription pairs of real Tunisian speech including natural code-switching.

Training Procedure

v2 Hyperparameters

  • learning_rate: 1e-6
  • train_batch_size: 2
  • gradient_accumulation_steps: 16 (effective batch: 32)
  • warmup_steps: 200
  • fp16: True
  • optimizer: AdamW
  • Framework: Transformers 4.45.0, PyTorch 2.11.0

Training Results (v1)

StepValidation LossWER
5000.322834.02%
20000.312132.79%
40000.311033.26%

Training Results (v2)

StepValidation LossWER
2500.311432.90%
5000.306031.99%

Usage

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition", model="FARUKxAUTO/FarukSTT")
result = pipe("audio.wav")
print(result["text"])

Citation

If you use this model, please credit:

FarukSTT by FARUK BATTIKH — Tunisian Derja ASR, 2024

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
a0898fa

0 моделей