/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
19 авг 2026

Ссылки

Hugging Face

whisper-small-santali-sanlish-1934-lr1e5

shoibo
Распознавание речиАудио → текст4 профессии

Дообученная Whisper Small для автоматического распознавания речи на сантали и преобразования аудио в текст.

6скачиваний за 30 дней0лайковвеса обновлены19 авг 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.

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

Модель shoibo/whisper-small-santali-sanlish-1934-lr1e5 — дообученная версия мультиязычной модели распознавания речи OpenAI Whisper Small. Она предназначена для преобразования аудио в текст, в частности для распознавания речи на сантали; README сообщает о дообучении на наборе данных, название которого не приведено. Модель использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers. Лицензия — Apache-2.0.

В README приведены результаты на оценочной выборке: WER 33,4149 и CER 7,5411. Карточка не описывает подробности обучающих данных и сценариев применения, а приведённые метрики сами по себе не гарантируют качество на других записях и диалектах.

Сценарии применения

  • Транскрибирование записей речи на сантали
  • Распознавание сантали в аудиозаписях
  • Получение текстовой расшифровки сантали для последующей проверки

Ограничения

На оценочной выборке указаны WER 33,4149 и CER 7,5411; качество на других данных не установлено. README не описывает обучающий набор и подробные ограничения применения.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.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.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-small-santali-sanlish-1934-lr1e5

This model is a fine-tuned version of openai/whisper-small on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7348
  • Wer: 33.4149
  • Cer: 7.5411

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: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 153
  • num_epochs: 25
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
4.14331.0990.854655.569213.8937
1.24162.01980.597642.472510.3068
0.55303.02970.557040.26939.3129
0.23144.03960.607840.02458.8807
0.10075.04950.605435.49578.2325
0.06086.05940.625135.37338.1245
0.03687.06930.646536.23018.2973
0.02088.07920.684035.25098.2757
0.01109.08910.697034.88378.0164
0.006810.09900.695133.78217.6491
0.002911.010890.722035.37337.9732
0.002512.011880.713733.41497.5194
0.001613.012870.702333.53737.5411
0.002514.013860.701734.02697.8003
0.001215.014850.712733.65977.6059
0.000716.015840.719033.90457.6923
0.000617.016830.722833.78217.5843
0.000618.017820.725833.65977.5627
0.000519.018810.728533.65977.5627
0.000520.019800.731333.53737.5843
0.000521.020790.733333.53737.5627
0.000522.021780.734833.41497.5411

Framework versions

  • Transformers 5.15.0
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
f958f6f

0 моделей

    Создать бенчмарк