/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Библиотека
transformers
Опубликована
8 июл 2026

whisper-medium-hindi-hinglish-asr-fine-tuned

Распознавание речиАудио → текст7 профессий

Whisper Medium, дообученная для распознавания разговорной речи на хинди и хинглише.

47скачиваний за 30 дней0лайковвеса обновлены8 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

Это дообученная модель OpenAI Whisper Medium на базе архитектуры encoder-decoder Transformer с 455,8 млн параметров. Её разработали для распознавания разговорной речи на хинди и хинглише — речи со смешением хинди и английского — с помощью Transformers и PyTorch.

Модель принимает аудио и выдаёт текстовую расшифровку. В описанной оценке на 373 примерах WER составил 0,0456, а CER — 0,0262; результаты приведены отдельно для хинди и хинглиша. Модель распространяется по лицензии Apache-2.0.

Обучение проводилось преимущественно на синтетической речи. На шумных записях, при незнакомых акцентах и манере речи качество может снижаться; модель не оценивалась для потокового распознавания.

Сценарии применения

  • расшифровка разговоров на хинди
  • распознавание речи со смешением хинди и английского
  • транскрибирование аудиозаписей на хинди и хинглише

Ограничения

Модель обучалась преимущественно на синтетической речи, поэтому качество может снижаться на шумных записях и при незнакомых акцентах или манере речи. Потоковое распознавание не оценивалось.

Для каких профессий подходит7

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 Medium Hindi-Hinglish ASR (Fine-Tuned)

A fine-tuned version of OpenAI Whisper Medium for Hindi and Hinglish Automatic Speech Recognition (ASR).

This model was developed to improve Whisper's performance on conversational Hindi and code-mixed Hindi-English speech using a carefully curated synthetic speech corpus.


Model Details

PropertyValue
Base Modelopenai/whisper-medium
Model TypeWhisper Encoder-Decoder Transformer
TaskAutomatic Speech Recognition
LanguagesHindi, Hinglish
FrameworkHugging Face Transformers

Motivation

OpenAI Whisper provides excellent multilingual speech recognition, but conversational Hindi and Hinglish often remain challenging due to code-mixing, pronunciation variations, and domain-specific vocabulary.

This project fine-tunes Whisper Medium using a curated synthetic dataset to significantly improve recognition quality while preserving Whisper's multilingual capabilities.


Dataset

The training dataset was generated using a multi-stage synthetic data generation pipeline consisting of:

  • LLM-generated conversational Hindi/Hinglish text
  • High-quality speech synthesis
  • Transcript refinement and normalization
  • Quality filtering
  • Curated speech-text pairs for Whisper fine-tuning

The focus was on maximizing transcript quality while maintaining linguistic diversity.


Evaluation

Evaluation was performed on an unseen held-out test set.

Overall Performance

MetricScore
Test Samples373
Word Error Rate (WER)0.0456
Character Error Rate (CER)0.0262
Relative WER Improvement86.99%

Performance by Difficulty

DifficultySamplesWER
Easy3170.0303
Medium490.1301
Hard70.2182

Performance by Language

LanguageSamplesWER
Hindi2800.0514
Hinglish930.0300

Performance by Error Category

CategorySamplesWER
Perfect2880.0384
Minor Phonetic500.0628
Digit Format290.0758
Script Switch30.0682
Genuine Error20.0588
Loanword Mishear10.0000

Usage

Load the model using the Hugging Face Transformers library.

import torch
from transformers import WhisperProcessor, WhisperForConditionalGeneration

processor = WhisperProcessor.from_pretrained(
    "shujaAK/whisper-medium-hindi-hinglish-asr-fine-tuned"
)

model = WhisperForConditionalGeneration.from_pretrained(
    "shujaAK/whisper-medium-hindi-hinglish-asr-fine-tuned"
)

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

model = model.to(device)
model.eval()

Intended Uses

This model is intended for:

  • Hindi Automatic Speech Recognition
  • Hinglish Automatic Speech Recognition
  • Academic Research
  • Speech Recognition Experiments
  • Fine-tuning Research

Limitations

  • The model is primarily trained on synthetic speech.
  • Performance may decrease on noisy recordings.
  • Performance may vary across unseen accents and speaking styles.
  • Not evaluated for streaming ASR.

Training Framework

  • Hugging Face Transformers
  • PyTorch

Results Summary

MetricValue
WER0.0456
CER0.0262
Test Samples373
WER Improvement86.99%

Acknowledgements

This project builds upon:

  • OpenAI Whisper
  • Hugging Face Transformers

Citation

If you use this model in your research or applications, please cite this Hugging Face repository.

@misc{whisper_medium_hindi_hinglish_asr,
  title={Whisper Medium Hindi-Hinglish ASR (Fine-Tuned)},
  author={Suja Akhter},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/shujaAK/whisper-medium-hindi-hinglish-asr-fine-tuned}}
}

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
13f8f95

0 моделей