/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
peft
Опубликована
25 июн 2026

talyno-whisper-small-finance

Распознавание речиАудио → текст3 профессии

LoRA-дообученная версия Whisper Small для транскрибирования англоязычных и китайскоязычных финансовых звонков и встреч инвесторов.

112скачиваний за 30 дней0лайковвеса обновлены14 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Talyno Whisper Small Finance — модель распознавания речи, разработанная на основе OpenAI Whisper Small и дообученная автором репозитория passpoo методом LoRA для финансовых звонков о результатах компаний и встреч с инвесторами. Опубликованный чекпойнт содержит объединённые с базовой моделью веса адаптера; архитектура — Whisper, размер в метаданных — 153,1 млн параметров. Модель принимает аудио и выдаёт транскрипцию на английском или китайском языке, включая упрощённый и традиционный варианты китайского.

Обучение адаптировало декодер к финансовой лексике и формату общения аналитиков и отделов по связям с инвесторами, сохранив замороженный энкодер. В карточке описаны обучающие данные из записей earnings call, FLEURS и синтезированных финансовых фраз. Чекпойнт предназначен также для конвертации в Core ML для WhisperKit и приложения Talyno на iOS.

Модель распространяется по лицензии Apache 2.0. Она оптимизирована для финансовых звонков и встреч инвесторов; качество на бытовой речи и в других предметных областях не оценивалось. Поддерживаются только английский и китайский.

Сценарии применения

  • транскрибирование звонков о финансовых результатах компаний
  • распознавание вопросов и ответов аналитиков на встречах с инвесторами
  • распознавание финансовой речи на английском языке
  • распознавание финансовой речи на китайском языке
  • подготовка транскриптов для анализа финансовых обсуждений

Ограничения

Модель рассчитана на финансовые звонки и встречи инвесторов; её качество на бытовой речи и в других областях не оценивалось. Поддерживает только английский и китайский языки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

talyno-whisper-small-finance

A LoRA fine-tune of openai/whisper-small, specialized for earnings-call and investor-meeting speech recognition in English and Chinese. This is the merged PyTorch/safetensors checkpoint used as the conversion source for passpoo/talyno-whisperkit-coreml, the WhisperKit CoreML build shipped in the Talyno iOS app.

  • Base model: openai/whisper-small (244M params)
  • Fine-tuning method: LoRA (PEFT), encoder frozen, adapters on q_proj / v_proj
  • Languages: English (en), Chinese — Simplified + Traditional (zh)
  • Format: PyTorch / safetensors (merged adapter, not a bare PEFT checkpoint)
  • License: Apache 2.0

Training data & methodology

Two sequential training phases on the same LoRA adapter, merged into the base model afterward:

PhaseLanguageDatasetSamplesLoRA config
1Englishkensho/spgispeech (earnings-call audio)2,000 train / 200 evalr=8, alpha=16
2Chinesegoogle/fleurs cmn_hans_cn (real recordings, CC-BY) + TTS-synthesised Traditional-Chinese financial-terminology sentences2,000 train / 200 evalr=16, alpha=32

Key details:

  • The encoder is frozen throughout training — only the decoder's attention projections receive LoRA adapters, preserving Whisper's general acoustic representations while adapting decoding to financial vocabulary and IR/analyst-Q&A phrasing (EPS, EBITDA, guidance, etc.).
  • Chinese training data is a mix of real speech (FLEURS) for acoustic diversity and TTS-synthesised sentences to guarantee coverage of financial terms that are rare in general speech corpora. Traditional-Chinese vocabulary coverage in particular comes from the TTS set, since FLEURS has no Taiwan Mandarin (cmn_hant_tw) locale.
  • Before merging (merge_and_unload()), generation_config.forced_decoder_ids and config.forced_decoder_ids are explicitly cleared. Whisper's set_prefix_tokens(language=...) calls during training otherwise leave a language token baked into the merged model's generation config, which forces every inference to one language regardless of input.

Downstream conversion

This checkpoint is the conversion source for the WhisperKit CoreML build hosted at passpoo/talyno-whisperkit-coreml, using whisperkittools. Note: conversion currently requires pinning transformers==4.42.4 in the conversion environment — newer transformers versions changed past_key_values handling in a way that's incompatible with the whisperkittools decoder tracer (see the finetune guide for details).

Datasets used (licensing)

  • SPGISpeech — earnings-call transcription corpus; see dataset card for license terms.
  • Google FLEURS cmn_hans_cn — CC-BY licensed.
  • TTS-synthesised financial sentences (proprietary sentence set, synthesized via Google Cloud Text-to-Speech) — not derived from any third-party corpus.

Limitations

  • English and Chinese only. Earlier development generations of this project experimented with a broader 6-language scope (adding German, Spanish, Japanese, Korean); the model actually published here was retrained and narrowed to EN + ZH for training-data quality and maintainability reasons.
  • Optimized for earnings-call / investor-meeting register — not benchmarked on casual conversation or other domains.

License

Apache 2.0, consistent with the base openai/whisper-small model.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
0cf9452

0 моделей