/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
OpenRAIL
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
27 ноя 2025

zero-stt-hinglish

Распознавание речиАудио → текст7 профессий

Модель Shunya Labs на базе Whisper Medium распознаёт разговорную речь Hinglish и расшифровывает хинди с естественными переключениями на английский.

628скачиваний за 30 дней11лайковвеса обновлены12 дек 2025

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

Shunya Labs Zero STT Hinglish — модель автоматического распознавания речи, созданная Shunya Labs на базе OpenAI Whisper Medium и дообученная для хинди-английской речи с переключением языков. Она преобразует аудио разговоров, подкастов и видео в текст, сохраняя естественное чередование хинди и английского, в том числе внутри фраз. Модель содержит 455,8 млн параметров и распространяется в формате safetensors.

Модель предназначена для расшифровки Hinglish: например, записей встреч, разговоров с клиентами и медиаконтента для субтитров. В примерах карточки встречаются записи смешанным письмом, включая латиницу для английских слов и деванагари для хинди. Для распознавания речи она обучалась на данных Vaani, Kathbath и Shrutilipi.

Карточка заявляет более точную обработку естественных переключений между хинди и английским по сравнению с обычной мультиязычной Whisper Medium, однако количественных результатов оценки не приводит. Лицензия модели — OpenRAIL; для полного понимания условий использования следует учитывать текст лицензии в репозитории.

Сценарии применения

  • расшифровка разговоров на хинди с английскими вставками
  • создание субтитров для Hinglish-видео
  • транскрибация подкастов на хинди и английском
  • расшифровка рабочих встреч в Индии
  • транскрибация обращений в службу поддержки индийских клиентов

Ограничения

Модель специализирована на Hinglish и может уступать на речи без переключения между хинди и английским или на других языках. В карточке нет количественных результатов сравнительной оценки.

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

Shunya Labs Hinglish ASR Model

We wanted to make ASR that could intuitively capture how conversational Hindi is actually spoken. On average, every 2 words out of 10 spoken in conversational Hindi are in English. Traditional ARS models are trained to handle one language at a time, which makes them too slow and inaccurate when transcribing multilingual speech.

And so we innovated. We trained Zero STT Codeswitch to natively process Hinglish speech and generate mixed-script tokens.

This is a model worthy of how India actually speaks, because it can capture the way people naturally switch between Hindi and English mid-conversation.

And now, we're making the lighter version of Zero STT Codeswitch open source for the community!

For a faster version of Zero STT Codeswitch, visit shunyalabs.ai.

Model Details

Base Model: OpenAI Whisper Medium

Post-trained by: Shunya Labs

Language: Hinglish (Hindi-English code-switching)

Why This Model?

Standard ASR models treat Hindi and English as separate languages, forcing transcription into one or the other. This creates errors when speakers naturally switch between languages mid-sentence—which is how millions of people actually talk. This model was trained specifically on code-switched speech, so it:

  • Transcribes Hindi and English tokens as they naturally occur
  • Handles mid-sentence language switches accurately
  • Produces faster inference by avoiding language detection overhead
  • Delivers higher accuracy on real-world Hinglish speech

Demo

Transcription Comparison

AudioZero STT CodeswitchWhisper Medium
Rome में अलग अलग जगों पर कई बढ़े television screens लगाए गये ग ताकि लोग समारो देख सकेंरोम में अलग अलग जगहों पर कई बड़े टेलिवीजन स्क्रीन लगाए गए ताकि लोग स्मारो देख सकें
और बागल में एक building है लाल कलर का पिंट किया हुआऔर बगल में एक बिल्डिंग है लाल कलर का पेंट किया हुआ है
yoga med पर yoga कर रहे हैंयोगा मैट पर योगा कर रहे हैं

Use Cases

  • Transcription of Hinglish conversations, podcasts, and videos
  • Customer support and conversational agents serving Indian users
  • Meeting transcription for Indian workplaces
  • Content creation and subtitling

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import pipeline

transcriber = pipeline("automatic-speech-recognition", model="shunya-labs/hinglish-whisper-medium")
result = transcriber("audio.mp3")
print(result["text"])

Training Details

Openai/whisper-medium post-trained on Google Vaani as well as proprietary datasets.

For a faster version of Zero STT Codeswitch, vistit shunyalabs.ai

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
93b882a

0 моделей