/ Модель
Каталог

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
16 мая 2025

Ссылки

Hugging Face

whisper-large-v3-turbo-maltese-malta

sam8000
Распознавание речиАудио → текст4 профессии

Дообученная на FLEURS модель Whisper для распознавания мальтийской речи и преобразования аудио в текст.

161скачиваний за 30 дней0лайковвеса обновлены17 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.

Открыть конструктор бенчмарка

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 дообученная модель распознавания речи на базе openai/whisper-large-v3-turbo, созданная для транскрибирования аудио на мальтийском языке в Мальте. Она использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров. Модель обучена на наборе данных FLEURS и распространяется в формате safetensors через библиотеку Transformers.

Модель подходит для получения текстовых расшифровок мальтийской речи из аудиозаписей. В README приведены результаты оценки на тестовой выборке: WER 14,5151 и WER Ortho 39,1346. Лицензия — MIT. Подробные ограничения и рекомендуемые условия применения в карточке не описаны.

Сценарии применения

  • транскрибирование мальтийской речи
  • создание текстовых расшифровок мальтийских аудиозаписей
  • распознавание мальтийской речи в речевых корпусах

Ограничения

В README приведены WER 14,5151 и WER Ortho 39,1346 на оценочной выборке, что указывает на возможные ошибки распознавания. Подробности о составе оценки и ограничениях применения не приведены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-turbo-maltese-malta

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

  • Loss: 0.4448
  • Model Preparation Time: 0.0067
  • Wer Ortho: 39.1346
  • Wer: 14.5151

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: 1e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • optimizer: Use 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_ratio: 0.06
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossModel Preparation TimeWer OrthoWer
0.80350.1170320.82620.006759.604339.5151
0.42140.2340640.64130.006748.483825.9491
0.33640.3510960.57590.006745.731722.1842
0.28650.46801280.53960.006744.879821.5635
0.26360.58501600.52670.006743.198319.7733
0.24840.70201920.49090.006742.632118.4914
0.24940.81902240.48280.006742.166918.3834
0.23480.93602560.48290.006742.038017.7132
0.19851.05122880.46810.006740.704017.4883
0.18841.16823200.47050.006741.275716.9800
0.18781.28523520.45990.006740.692816.3908
0.18561.40223840.46410.006741.286916.7461
0.18731.51924160.45060.006741.281315.8645
0.17951.63624480.46340.006740.519016.5122
0.18021.75324800.47580.006740.535816.0175
0.17821.87025120.45120.006740.238815.7566
0.17851.98725440.45100.006740.070615.4777
0.15032.10245760.44920.006739.375615.0144
0.15072.21946080.46240.006739.801615.3787
0.15452.33646400.44480.006739.134614.5151
0.14312.45346720.45010.006739.700714.9604
0.14532.57047040.44950.006739.398015.0504
0.14352.68747360.45950.006739.936114.9019
0.14162.80447680.45830.006739.924914.9604
0.14592.92148000.45490.006739.980915.0999

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.5.1
  • 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
7dd7198

0 моделей

    Создать бенчмарк