/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
14 янв 2026

whisper-large-v3-crh

Распознавание речиАудио → текст5 профессий

Дообученная Whisper large-v3 распознаёт крымскотатарскую речь и транскрибирует её кириллицей или латиницей.

88скачиваний за 30 дней0лайковвеса обновлены14 янв 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

servinosmanov/whisper-large-v3-crh — дообученная Servin Osmanov модель OpenAI Whisper large-v3 для автоматического распознавания крымскотатарской речи. Модель содержит 905,2 млн параметров и принимает аудио, выдавая текст; поддерживает крымскотатарский язык в кириллической и латинской письменности. Для обучения использован датасет servinosmanov/tts-crh-sevil-fixed.

В карточке указана лучшая доля ошибок слов (WER) 13,67% с параметрами repetition_penalty=1.2 и no_repeat_ngram_size=3; это на 48,4% лучше приведённого результата дообученного whisper-medium. Модель предназначена для транскрибации крымскотатарской речи. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация крымскотатарских записей
  • распознавание крымскотатарской речи в аудио
  • создание текстовых субтитров для крымскотатарских видео

Ограничения

Модель обучалась преимущественно на женском голосе одного диктора, поэтому точность на других голосах может быть ниже. Возможны ошибки на очень длинных высказываниях; лучшие результаты заявлены для чистого аудио с частотой 16 кГц.

Для каких профессий подходит5

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

Whisper Large-v3 Fine-tuned for Crimean Tatar (Qırımtatarca)

This model is a fine-tuned version of openai/whisper-large-v3 for Automatic Speech Recognition (ASR) in Crimean Tatar language.

Model Description

  • Base model: openai/whisper-large-v3 (1.54B parameters)
  • Language: Crimean Tatar (crh) - both Cyrillic and Latin scripts
  • Fine-tuning dataset: servinosmanov/tts-crh-sevil-fixed
  • Best WER: 13.67% (with repetition penalty)

Training Details

  • Epochs: ~17 (early stopping to prevent overfitting)
  • Best checkpoint: epoch 12.7 with WER 16.0%
  • Learning rate: 1e-5
  • Batch size: 4 (with gradient accumulation steps: 4)
  • Optimizer: AdamW

Usage

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch
import librosa

# Load model
model_name = "servinosmanov/whisper-large-v3-crh"
processor = WhisperProcessor.from_pretrained(model_name)
model = WhisperForConditionalGeneration.from_pretrained(model_name)

device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
model.eval()

# Load and process audio
audio, sr = librosa.load("your_audio.wav", sr=16000)

input_features = processor(
    audio,
    sampling_rate=16000,
    return_tensors="pt"
).input_features.to(device)

# Generate transcription (with repetition penalty recommended)
with torch.no_grad():
    predicted_ids = model.generate(
        input_features,
        max_length=225,
        num_beams=5,
        repetition_penalty=1.2,
        no_repeat_ngram_size=3,
    )

transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)

Important Notes

  • Repetition Penalty: It's recommended to use repetition_penalty=1.2 and no_repeat_ngram_size=3 during inference to prevent repetition loops
  • Script Support: Works with both Cyrillic (Меним адым...) and Latin (Menim adım...) scripts

Comparison with whisper-medium

ModelWER
whisper-medium (fine-tuned)26.47%
whisper-large-v3 (this model)13.67%
Improvement48.4% relative

Limitations

  • Trained primarily on female voice (Sevil speaker)
  • May have reduced accuracy on very long utterances
  • Best results with clear audio at 16kHz sampling rate

License

Apache 2.0 (same as base Whisper model)

Citation

If you use this model, please cite:

@misc{whisper-large-v3-crh,
  author = {Servin Osmanov},
  title = {Whisper Large-v3 Fine-tuned for Crimean Tatar},
  year = {2025},
  publisher = {HuggingFace},
  url = {https://huggingface.co/servinosmanov/whisper-large-v3-crh}
}

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
74b6e40

0 моделей