/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
5 авг 2026

waxal-whisper-small-spec_aug_v1

Распознавание речиАудио → текст7 профессий

Whisper Small, дообученная с SpecAugment для транскрибирования речи на лингала, шона и луганда.

7скачиваний за 30 дней0лайковвеса обновлены7 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

mmwanje/waxal-whisper-small-spec_aug_v1 — мультиязычная модель автоматического распознавания речи, дообученная на базе OpenAI Whisper Small на данных Google WaxalNLP для языков лингала, шона и луганда. При обучении применялся SpecAugment к log-mel признакам; модель реализована как WhisperForConditionalGeneration и распространяется в формате safetensors. В метаданных указано 153,1 млн параметров и лицензия Apache-2.0.

Модель предназначена для транскрибирования аудиозаписей на поддерживаемых языках. README называет этот чекпойнт лучшим по результату на отложенной выборке среди экспериментов первой фазы; приведённая оценка объединяет WER и CER, поэтому её нельзя напрямую интерпретировать как отдельную точность распознавания. Результаты зависят от языка и условий записи.

Сценарии применения

  • транскрибирование речи на лингала
  • транскрибирование речи на шона
  • транскрибирование речи на луганда
  • распознавание аудиозаписей на нескольких африканских языках

Ограничения

В README не приведены отдельные метрики WER или CER по каждому языку, а указанный результат относится к отложенной выборке эксперимента. Модель обучалась без языковых токенов в метках; качество может зависеть от языка и условий записи.

Для каких профессий подходит7

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

waxal-whisper-small-spec_aug_v1

Fine-tuned openai/whisper-small on Google WaxalNLP (Lingala, Shona, Luganda) with SpecAugment on log-mel features.

Training champion from the whisper-small exploration (Phase-1 holdout score 0.2670 = 0.5·WER + 0.5·CER). Continued / decode-focused variants (e.g. freeze-encoder + higher LR) were explored on top of this recipe; see the sibling base card mmwanje/waxal-whisper-small.

Training notes

  • Joint multilingual FT (no language tokens in labels — better for Phase 2)
  • SpecAugment applied on padded mel batches at train time
  • 2×P100 DDP; typical recipe shape: batch=2, grad_accum=4, ~800 steps (see repo experiment log)
  • Base init: openai/whisper-small (or continue from mmwanje/waxal-whisper-small)

Usage

from transformers import WhisperProcessor, WhisperForConditionalGeneration

repo = "mmwanje/waxal-whisper-small-spec_aug_v1"
processor = WhisperProcessor.from_pretrained(repo)
model = WhisperForConditionalGeneration.from_pretrained(repo)
CodeLanguageWhisper lang token
linLingalalingala
snaShonashona
lugLugandaswahili (closest)

Phase 2

Unlabeled clips: run MMS LID (facebook/mms-lid-4017) → force Whisper into {lingala, shona, swahili}. Decode sweeps (no_cond, lang prompts, beams) are inference-only — no retrain required.

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
0422b48

0 моделей