/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-SA 4.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
24 июл 2026

whisper-small-ardalani-sine

Распознавание речиАудио → текст

Дообученная версия Whisper small для транскрибирования речи на ардалани, центральнокурдском диалекте Санандаджа.

21скачиваний за 30 дней0лайковвеса обновлены26 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

shahotoofani/whisper-small-ardalani-sine — модель распознавания речи на основе Whisper small, дообученная для ардалани, центральнокурдского диалекта Санандаджа в Иране. Автор позиционирует её как специализированную ASR-модель для этой разновидности курдского языка.

Обучение проходило в два этапа: сначала на 104 часах центральнокурдской речи с повышенной долей записей из Санандаджа, затем на 10,6 часах данных только из Санандаджа. Поскольку в Whisper нет токена курдского языка, при обучении и распознавании используется арабский языковой токен. Модель предназначена для транскрибирования речи; в тесте на диалогах из телевизионного сериала лучше адаптирована к ардалани, чем базовая Whisper small и приведённая в карточке публичная модель для сорани.

Лицензия — CC BY-SA 4.0. Результаты оценки отражают адаптацию к диалекту, но не независимость от дикторов: обучающие и тестовые записи взяты из одного сериала, а диалоги постановочные. Короткие фрагменты менее двух секунд — слабый сценарий, где могут оставаться циклы повторения; для декодирования автор рекомендует ограничивать число генерируемых токенов в зависимости от длительности аудио. Транскрипты сохраняют диалектные формы в письме сорани вместо нормализации к стандартному сорани.

Сценарии применения

  • транскрибирование диалогов на ардалани
  • расшифровка записей на центральнокурдском диалекте Санандаджа
  • подготовка субтитров для видео на ардалани

Ограничения

Оценка основана на постановочных диалогах из одного телесериала и не подтверждает устойчивость к новым дикторам или спонтанной речи. Фрагменты короче двух секунд распознаются хуже, возможны циклы повторения; модель сохраняет диалектные формы вместо нормализации к стандартному сорани.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-small-ardalani-sine

Whisper-small fine-tuned for Kurdish Ardalani, the Central Kurdish variety of Sanandaj, Iran. To our knowledge the first ASR model specialized for this dialect.

Training

Two stages. Stage 1: 8,000 steps on 104 hours of Central Kurdish (CORDI corpus, all varieties) with Sanandaj utterances oversampled 3x; lr 1e-5, effective batch 32, fp16. Stage 2: 2,000 further steps on Sanandaj-only data (15,305 utterances, 10.6 hours); lr 5e-6; checkpoint selection by Sanandaj-only dev WER. Whisper has no Kurdish token, so the Arabic language token is used as a stand-in at training and inference.

Evaluation

Frozen held-out benchmark: 1,758 Sanandaj utterances (1.12 hours), three whole episodes never seen in training. Scoring normalizes punctuation and Arabic yeh/kaf on both sides.

ModelWERCER
Whisper small, zero-shot373.2423.0
Whisper large-v3, zero-shot181.4131.8
Best public Sorani fine-tune133.0103.6
this model, plain decoding74.956.6
this model, capped decoding59.631.8

Capped decoding limits generated tokens to 6 + 18 per second of audio (floor 10) and is the recommended deployment setting; it suppresses repetition loops on sub-2-second clips. Clips of 5 seconds and longer score 47.6 WER.

How to use

from transformers import pipeline

asr = pipeline(
    "automatic-speech-recognition",
    model="shahotoofani/whisper-small-ardalani-sine",
    generate_kwargs={"language": "arabic", "task": "transcribe"},
)
print(asr("audio.wav")["text"])

For short clips, cap max_new_tokens at about 6 + 18 * seconds.

Limitations

  • Training and test data come from one TV series; scores measure dialect adaptation, not speaker independence.
  • Acted dialogue domain; spontaneous speech is harder.
  • Sub-2-second clips remain the weakest case; a residual tail of repetition loops exists even with capped decoding.
  • Verbatim-dialectal transcripts in Sorani script; the model preserves Ardalani forms rather than normalizing to standard Sorani.

Data and license

Trained on CORDI (CC BY-SA 4.0): Sina Ahmadi, Daban Jaff, Md Mahfuz Ibn Alam, Antonios Anastasopoulos, "Language and Speech Technology for Central Kurdish Varieties", LREC-COLING 2024. Model weights released under CC BY-SA 4.0.

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
a9b55b0

0 моделей