/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
1 июл 2026

whisper-medium-dv-koya

Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper medium для распознавания речи на дивехи и преобразования её в текст.

33скачиваний за 30 дней0лайковвеса обновлены2 июл 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

KOYA Dhivehi Whisper Medium — дообученная модель распознавания речи, созданная на основе openai/whisper-medium. Разработчик указал, что использовал данные Common Voice 13 и набор Shaafiu; модель содержит 455,8 млн параметров и предназначена для преобразования аудиозаписей на дивехи в текст.

В карточке приведены результаты оценки: WER 8,3095 и WER по орфографической метрике 48,9192. Эти показатели зависят от набора и метода оценки и не гарантируют такое же качество на других записях. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • расшифровка записей речи на дивехи
  • подготовка субтитров для аудио на дивехи
  • транскрибирование образцов речи для языковых проектов

Ограничения

README не приводит подробных сведений об ограничениях и условиях оценки; качество может различаться в зависимости от записи и орфографии. Опубликованный WER по орфографической метрике заметно отличается от обычного WER, поэтому результаты следует интерпретировать с учётом выбранной метрики.

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

KOYA Dhivehi Whisper Medium

This model is a fine-tuned version of openai/whisper-medium on the Common Voice 13 + Shaafiu dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.1756
  • eval_wer_ortho: 48.9192
  • eval_wer: 8.3095
  • eval_runtime: 837.3987
  • eval_samples_per_second: 2.645
  • eval_steps_per_second: 0.331
  • epoch: 2.5840
  • step: 2000

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: 5e-06
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 200
  • training_steps: 2000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.2.1
  • Datasets 2.20.0
  • Tokenizers 0.19.1

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
148d245

0 моделей