Характеристики

Параметры: 905 млн
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-large-v3-turbo
Библиотека: transformers
Опубликована: 24 мар 2025

Ссылки

Hugging Face

whisper-large-v3-turbo-bn

mozilla-ai

Распознавание речиАудио → текст7 профессий

Дообученная Mozilla.ai модель Whisper преобразует бенгальскую речь в текст.

131скачиваний за 30 дней3лайкавеса обновлены26 мар 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 дообучила модель openai/whisper-large-v3-turbo для распознавания речи на бенгальском языке. Это плотная модель Whisper с архитектурой WhisperForConditionalGeneration и 905,2 млн параметров, предназначенная для преобразования бенгальской аудиозаписи в текст. Дообучение выполнено на 21 409 аудиозаписях бенгальского раздела CV Corpus 21.0.

В README приведены результаты дообучения: нормализованная частота ошибок слов снизилась с 78,843 до 11,053, а нормализованная частота ошибок символов — с 62,521 до 6,059. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

расшифровка записей речи на бенгальском языке
транскрибация бенгальских аудиозаписей из CV Corpus
подготовка бенгальских речевых данных к поиску и анализу

Ограничения

Метрики в README измерены на бенгальских данных CV Corpus, поэтому качество на других наборах аудио не установлено. README не приводит оценок для разных условий записи или акцентов.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Finetuned openai/whisper-large-v3-turbo 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): 78.843
Word Error Rate (Orthographic): 107.027
Character Error Rate (Normalized): 62.521
Character Error Rate (Orthographic): 72.012
Loss: 1.074

Finetuned model (after finetuning) on Bengali

Word Error Rate (Normalized): 11.053
Word Error Rate (Orthographic): 26.436
Character Error Rate (Normalized): 6.059
Character Error Rate (Orthographic): 7.537
Loss: 0.109

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: ae19d9c