/ Модель

Характеристики

Лицензия
MIT
Опубликована
2 июл 2026

indic-whisper-medium-gguf

Распознавание речиАудио → текст

Конвертированная в GGML модель семейства Whisper для распознавания речи на индийских языках в whisper.cpp.

0скачиваний за 30 дней0лайковвеса обновлены2 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

Это конвертированные в формат GGML модели распознавания речи для whisper.cpp на основе Vignesh-M/Indic-whisper-medium. Репозиторий содержит варианты FP16 и Q8_0: первый рассчитан на системы с поддержкой FP16, второй занимает меньше памяти и предназначен в том числе для запуска на CPU. Модели преобразованы из чекпойнта Transformers скриптом whisper.cpp и подходят для использования с whisper-server.

Модель предназначена для преобразования речи на индийских языках в текст. Она относится к мультиязычному семейству Whisper; README рекомендует проверять покрытие и точность отдельно для каждого целевого языка. Лицензия репозитория — MIT.

Сценарии применения

  • транскрибация речи на индийских языках
  • распознавание речи на CPU с вариантом Q8_0
  • развертывание распознавания речи через whisper-server

Ограничения

Покрытие языков и точность следует проверять для каждого целевого языка. Исходный чекпойнт Transformers напрямую несовместим с whisper.cpp и whisper-server; для них предназначены конвертированные файлы GGML из этого репозитория.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndicWhisper GGML (whisper.cpp format)

This repository contains GGML model files for Vignesh-M/Indic-whisper.

Why .bin instead of .gguf?

While large language model runtimes (like llama.cpp) have migrated to the newer GGUF format, whisper.cpp historically and currently uses the GGML binary format specification for its speech-to-text model files.

Because convert-h5-to-ggml.py generates native GGML models rather than GGUF models, these files use the .bin extension (matching official whisper.cpp models like ggml-base.bin). This is the correct native format expected by your whisper-server sidecar.

Compatibility Note

The original PyTorch Transformers checkpoint from Hugging Face is not directly compatible with whisper.cpp or whisper-server. These files have been converted using whisper.cpp's convert-h5-to-ggml.py script into the bin format accepted by whisper-server builds.

Files Available

  1. ggml-indic-whisper-medium-f16.bin: FP16 half-precision model (~1.5 GB). This model offers the highest accuracy matching the original fine-tune. Recommended for systems with modern GPUs (RTX 4000/5000) where native FP16 Tensor Cores are available.
  2. ggml-indic-whisper-medium-q8_0.bin: Q8_0 (8-bit quantized) model (~823 MB). This model offers nearly identical accuracy (>99% of FP16) with half the memory footprint and faster execution on CPU.

Conversion & Quantization Process

The models were converted using an optimized version of the convert-h5-to-ggml.py script and quantized using the whisper-quantize tool:

python3 convert-h5-to-ggml.py [model_dir] [whisper_pkg_dir] [out_dir]
whisper-quantize ggml-indic-whisper-medium-f16.bin ggml-indic-whisper-medium-q8_0.bin q8_0

Supported Languages

Supports many of the required Indic languages through the Whisper multilingual tokenizer/model family, but language coverage and accuracy should be verified per target language.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
cd29126

0 моделей