/ 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_lr2-lr2e5

shoibo
Распознавание речиАудио → текст3 профессии

Дообученная на базе Whisper Small модель для распознавания речи из аудио, ориентированная, судя по названию, на сантали.

7скачиваний 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

Это дообученная модель распознавания речи на базе мультиязычной OpenAI Whisper Small, разработанной OpenAI. Она предназначена для преобразования аудио в текст; название репозитория указывает на настройку для языка сантали, однако README не описывает обучающие данные и языковую поддержку подробнее. Модель построена на архитектуре Whisper и распространяется в формате Safetensors через Transformers.

На оценочном наборе указаны Loss 0,7537, WER 32,1909 и CER 7,1305; без описания набора и протокола оценки эти результаты трудно интерпретировать. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация речи на сантали
  • преобразование аудиозаписей на сантали в текст
  • распознавание устной речи в записях и сообщениях

Ограничения

README не описывает обучающий и оценочный наборы, поэтому опубликованные метрики WER и CER нельзя уверенно сопоставить с результатами других моделей. Поддержка сантали предполагается по названию модели, но подробно не подтверждена карточкой.

Для каких профессий подходит3

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.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-small-santali-sanlish-1934_lr2-lr2e5

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: 0.7537
  • Wer: 32.1909
  • Cer: 7.1305

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: 2e-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
3.50111.0990.713045.777210.6958
1.01632.01980.554840.51419.2481
0.41133.02970.575339.65739.2697
0.18434.03960.638238.06618.5134
0.09985.04950.627036.23018.1677
0.06776.05940.655535.49577.9300
0.05117.06930.620933.29257.5627
0.03398.07920.667234.63897.8220
0.02339.08910.676835.12857.8652
0.010710.09900.691333.04777.3898
0.003511.010890.729033.90457.5194
0.004612.011880.720932.55817.2169
0.001013.012870.721232.06857.1953
0.000514.013860.729231.94617.0657
0.000415.014850.734432.19097.1089
0.000416.015840.738231.82377.0441
0.000417.016830.741431.82377.0441
0.000318.017820.744131.94617.0657
0.000319.018810.746331.70137.0225
0.000320.019800.748631.82377.0441
0.000321.020790.750431.82377.0657
0.000322.021780.751831.94617.0873
0.000323.022770.752831.82377.0657
0.000324.023760.753431.94617.0873
0.000225.024750.753732.19097.1305

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
b36367f

0 моделей

    Создать бенчмарк