Характеристики

Лицензия: MIT
Базовая модель: whisper-large-v3-turbo
Опубликована: 18 сен 2026

Ссылки

Hugging Face

saybold-roman-urdu-turbo-ggml

taabu75

Распознавание речиАудио → текст

Конверсия Whisper large-v3-turbo для локального распознавания речи на урду с выводом текста латиницей.

0скачиваний за 30 дней0лайковвеса обновлены18 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

taabu75 выпустил неофициальную конверсию модели распознавания речи Roman Urdu на основе Whisper large-v3-turbo с адаптером дообучения Farhan-SE. Адаптер объединён с базовыми весами, после чего модель сохранена в формате GGML F16; архитектура и токенизатор Whisper остались без изменений. Файл весит около 1,51 ГиБ, для работы рекомендуется предусмотреть примерно 2,5 ГиБ оперативной памяти. Для распознавания нужно указать язык ur, выбрать задачу transcribe и отключить перевод; требуется среда Whisper с поддержкой large-v3-turbo.

Модель предназначена для локального распознавания урду с записью результата латиницей. README подтверждает загрузку и совместимость с одной тестовой аудиозаписью, но это не оценка точности: в расшифровке были ошибки. Качество на разных голосах, акцентах, шуме, переключении языков и длинных записях не установлено; написание Roman Urdu может варьироваться, поэтому результат следует проверять. Лицензия весов — MIT.

Сценарии применения

расшифровка речи на урду латинскими буквами
локальная транскрибация коротких записей на урду
преобразование аудио на урду в текст Roman Urdu

Ограничения

README сообщает об ошибках в единственной проверочной расшифровке; точность на разных голосах, акцентах, шуме, переключении языков и длинных записях не оценена. Написание Roman Urdu может варьироваться, поэтому результаты нужно проверять.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Roman Urdu Turbo — GGML F16 (Preview)

On-device Urdu speech recognition with Roman Urdu (Latin-script) output. A GGML conversion of the linked MIT-licensed fine-tuning adapter, merged into OpenAI Whisper large-v3-turbo. This is an unofficial conversion, not a newly trained model.

File and compatibility

ggml-roman-urdu-turbo-f16.bin: 1,624,555,275 bytes (about 1.51 GiB).
SHA-256: cc50160864793d1fccd08c4c7a4ac1976588ef4f5c325959f723d78232b0d291.
Whisper GGML F16; 128 mel bins, 32 encoder layers, 4 decoder layers.
Use language ur, task transcribe, with translation disabled. No custom engine or prompt required.
Requires a Whisper runtime that supports large-v3-turbo. Runtime working memory is larger than download size; allow approximately 2.5 GiB for this configuration.

Conversion

The base is ggerganov/whisper.cpp commit 5359861c739e955e79d9a303bcbc70fb988958b1, ggml-large-v3-turbo.bin, SHA-256 1fc70f774d38eb169993ac391eea357ef47c88757ef72ee5943879b7e8e2bc69. The adapter is Farhan-SE/whisper-large-v3-turbo-roman-urdu commit 13289b61af57158096cdbfd3817347a247696012. Eighty attention projection weights were updated using W + (64/32) × B × A, then stored in F16. Tokenizer and architecture remain unchanged. The reproducible merge script and pinned adapter configuration are included.

Verification and limitations

On 18 September 2026, an isolated runner using Saybold build 23's unmodified native speech library loaded this model and transcribed a 9.42-second public Urdu clip from Google FLEURS (ur_pk, validation row 0, ID 1537). The result used Latin letters and retained the sentence's Urdu wording. It contained recognition errors. This was one runtime compatibility check, not an accuracy benchmark or proof of reliable output across speakers, accents, noise, code-switching or longer recordings. Roman Urdu spelling varies. Review all output; script consistency and recognition quality are not guaranteed.

Training-data details and comprehensive evaluation were not supplied by the upstream adapter author. See UPSTREAM-MODEL-CARD.md for the original model card and NOTICE.txt for attribution. Saybold access plans govern its app features, not access to these MIT-licensed weights.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 8dd0206