/ Модель

Характеристики

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

whisper-large-v3-persian

Распознавание речиАудио → текст9 профессий

Дообученная на персидской речи модель Whisper large-v3 для автоматической транскрибации аудио в текст.

102скачиваний за 30 дней1лайквеса обновлены25 мая 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.

  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

Whisper large-v3 Persian — модель распознавания речи, созданная дообучением openai/whisper-large-v3 на персидских аудиозаписях из Mozilla Common Voice 17.0. Модель построена на архитектуре Whisper, содержит 905,2 млн параметров и принимает аудио, выдавая распознанный текст. Для запуска используется библиотека Transformers; веса представлены в формате safetensors.

Модель предназначена для транскрибации речи на персидском языке. В README указано, что при дообучении использовали более 200 тысяч примеров; на оценочной выборке WER составил 26,5381. Авторы отмечают, что ошибки написания в датасете приводят к грамматическим недостаткам распознанного текста. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на персидском языке
  • распознавание персидской речи из аудиозаписей
  • подготовка текстовых расшифровок для голосовых материалов

Ограничения

Авторы сообщают о грамматических недостатках распознанного текста, связанных с ошибками написания в обучающих данных. На оценочной выборке WER составил 26,5381.

Для каких профессий подходит9

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

whisper-large-v3-persian

This model is a fine-tuned version of openai/whisper-large-v3 on the Common Voice 17.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2499
  • Wer: 26.5381

Model description

The data was fine-tuned using an RTX 6000 ADA graphics card. Over 200,000 samples were fine-tuned on the system. This data belonged to the Mozilla Foundation's Common Voice 17.0 dataset. The obtained result, despite improving the Word Error Rate (WER) compared to other models, still has grammatical weaknesses, which is due to spelling errors in the dataset.

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: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH 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: 500
  • training_steps: 6000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.13370.811020000.281831.0620
0.06081.622140000.253228.8171
0.02292.433160000.249926.5381

Framework versions

  • Transformers 4.52.3
  • Pytorch 2.7.0+cu126
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
504f94f

0 моделей