/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small-burmese-v2
Библиотека
transformers
Опубликована
9 янв 2026

whisper-small-burmese-v3

Распознавание речиАудио → текст

Дообученная Whisper Small для транскрибации бирманской речи, включая аудио с шумом.

95скачиваний за 30 дней0лайковвеса обновлены9 янв 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

myatsu/whisper-small-burmese-v3 — модель распознавания речи на основе Whisper Small, дообученная автором myatsu на бирманской части Google FLEURS с добавлением шумов из Kaggle minsithu/audio-noise-dataset. Модель принимает аудио и генерирует текстовую транскрипцию на бирманском языке; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров.

Модель предназначена для автоматической транскрипции бирманской речи, в том числе записанной в шумной среде. В карточке приведены метрики оценки: loss 0,1440, WER 90,6395 и CER 52,9501; высокие значения WER и CER указывают на существенные ошибки распознавания в указанной оценке. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация бирманской речи
  • распознавание бирманской речи в шумных записях
  • создание текстовых субтитров для бирманского аудио

Ограничения

В приведённой оценке WER составляет 90,6395, а CER — 52,9501, что указывает на низкую точность распознавания в условиях этого теста. Карточка не содержит подробностей о методике оценки и сценариях, где качество может быть выше.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small v3 Burmese - Robust Noisy Training

This model is a fine-tuned version of myatsu/whisper-small-burmese-v2 on the Google FLEURS Burmese + Kaggle Noise (minsithu/audio-noise-dataset) dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1440
  • Wer: 90.6395
  • Cer: 52.9501

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 1000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.30930.40571000.293697.558159.4269
0.21070.81142000.218795.436056.5003
0.14421.21503000.185395.055.5726
0.12071.62074000.163893.255854.6075
0.09762.02435000.155992.238453.5169
0.07842.43006000.150392.093052.9128
0.07952.83577000.144491.657052.9089
0.05913.23948000.143990.697752.6892
0.04923.64509000.144090.639552.9501
0.04624.048710000.142891.2552.8520

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu126
  • Datasets 4.4.2
  • Tokenizers 0.22.1

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
7730992

0 моделей