/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
1 июл 2025

whisperd-nl

Распознавание речиАудио → текст7 профессий

Дообученная на нидерландском корпусе модель Whisper для транскрибации речи с запинками, неречевыми событиями и метками до четырёх говорящих.

154скачиваний за 30 дней8лайковвеса обновлены1 июл 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

WhisperD-NL — модель распознавания речи на нидерландском языке, созданная дообучением Whisper large-v3 на корпусе Corpus Gesproken Nederlands (CGN). Она предназначена для транскрибации с сохранением речевых запинок и неречевых событий, а также для распознавания до четырёх говорящих: их реплики помечаются тегами [S1]–[S4].

Модель построена на архитектуре Whisper и содержит около 905,3 млн параметров. В карточке указан WER 16,42 для распознавания с запинками, идентификацией говорящих и неречевыми событиями. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Модель оптимизирована для нидерландской речи и наследует ограничения базовой Whisper large-v3.

Сценарии применения

  • транскрибация нидерландских разговоров с сохранением запинок
  • распознавание реплик до четырёх говорящих
  • фиксация неречевых событий в аудиозаписях

Ограничения

Оптимизирована для нидерландского языка и описанных речевых явлений; для других языков её пригодность не заявлена. Наследует ограничения базовой модели Whisper.

Для каких профессий подходит7

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

WhisperD-NL: Fine-tuned Whisper for Dutch Speech Recognition

WhisperD-NL is a fine-tuned Whisper model trained on the Corpus Gesproken Nederlands (CGN) specifically to detect disfluencies, speakers and non-speech events.

Model Details

  • Base Model: openai/whisper-large-v3
  • Language: Dutch (nl)
  • Task: Automatic Speech Recognition
  • Fine-tuning: Corpus Gesproken Nederlands (CGN)
  • Speaker Identification: Speaker identification is implemented up to four different speakers via a tag ([S1], [S2], [S3] and [S4])
  • WER: 16.42 for disfluencies, speaker identification and non-speech events based on whisper-large-v3

Usage

from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq
import torch
import soundfile as sf

# Load model and processor
processor = AutoProcessor.from_pretrained("pevers/whisperd-nl")
model = AutoModelForSpeechSeq2Seq.from_pretrained("pevers/whisperd-nl")

# Load and preprocess audio
audio, sr = sf.read("path_to_dutch_audio.wav")
inputs = processor(audio, sampling_rate=sr, return_tensors="pt")

# Generate transcription
with torch.no_grad():
    predicted_ids = model.generate(inputs.input_features)
    
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)

Limitations

  • Optimized specifically for Dutch language with disfluencies and non-speech events
  • Inherits limitations from the base Whisper model

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
424e9bb

0 моделей