Характеристики

Параметры: 905 млн
Размер весов: 6,2 ГБ
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-large-v3
Библиотека: transformers
Опубликована: 26 мар 2025

Ссылки

Hugging Face

whisper-large-v3-bn

mozilla-ai

Распознавание речиАудио → текст8 профессий

Дообученная Mozilla.ai модель Whisper large-v3 распознаёт бенгальскую речь и преобразует аудио в текст.

172скачиваний за 30 дней2лайкавеса обновлены1 апр 2025

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

Mozilla.ai представила дообученную версию OpenAI Whisper large-v3 для распознавания речи на бенгальском языке. Модель использует архитектуру WhisperForConditionalGeneration, содержит около 905,2 млн параметров и принимает аудио, выдавая текст. Она создана на 21 409 аудиозаписях бенгальской части корпуса Common Voice 21.0; после дообучения опубликованы улучшенные показатели ошибок распознавания по сравнению с исходной Whisper large-v3 на бенгальском наборе.

Сценарии применения

транскрибация записей речи на бенгальском языке
распознавание бенгальской речи в аудиоархивах
создание текстовых расшифровок бенгальских аудиозаписей

Ограничения

Опубликованные показатели получены на бенгальском наборе Common Voice и могут не отражать качество на других типах аудио. Карточка не приводит результатов для языков, отличных от бенгальского.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Finetuned openai/whisper-large-v3 on 21409 Bengali training audio samples from cv-corpus-21.0-2025-03-14/bn.

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

Evaluation results on 9363 audio samples of Bengali:

Baseline model (before finetuning) on Bengali

Word Error Rate (Normalized): 55.463
Word Error Rate (Orthographic): 83.344
Character Error Rate (Normalized): 35.66
Character Error Rate (Orthographic): 40.754
Loss: 0.567

Finetuned model (after finetuning) on Bengali

Word Error Rate (Normalized): 9.651
Word Error Rate (Orthographic): 24.288
Character Error Rate (Normalized): 4.876
Character Error Rate (Orthographic): 6.312
Loss: 0.092

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: 3bcfb09