/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
CC BY-SA 4.0
Архитектура
whisper · dense
Базовая модель
whisper-small-waxal-round2-specaug-v1
Библиотека
transformers
Опубликована
30 июн 2026

serendepify-gsl-asr-ak-gnlp-whisper-small-only-lowlr-freezeenc-fullft-v0.5

Распознавание речиАудио → текст3 профессии

Экспериментальная модель на базе Whisper Small для распознавания речи на языке Akan.

6скачиваний за 30 дней0лайковвеса обновлены30 июн 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 экспериментальная модель распознавания речи Akan, подготовленная Ghanaian Speech Lab для серии Serendepify GSL. Модель основана на Whisper Small с 153,1 млн параметров и дообучена на данных GhanaNLP; при этом энкодер Whisper был заморожен, а остальные параметры прошли полное дообучение с низкой скоростью обучения.

Модель предназначена для преобразования речи на Akan в текст. В обучении использовались 10 000 строк GhanaNLP, а набор Waxal применялся только для проверки регрессии. Это реальный обучающий запуск, однако авторы считают его кандидатом на проверку: оценка на отложенной выборке и анализ типов ошибок ещё не завершены. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • транскрибация записей речи на Akan
  • распознавание устной речи на Akan в аудиозаписях
  • создание текстовых расшифровок для речевых корпусов Akan

Ограничения

Модель остаётся кандидатом на проверку: авторы ещё не завершили оценку на отложенной выборке и анализ типов ошибок. В README приведены только базовые метрики; итоговые метрики не представлены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

serendepify-gsl-asr-ak-gnlp-whisper-small-only-lowlr-freezeenc-fullft-v0.5

This is a Ghanaian Speech Lab ASR artifact: a GhanaNLP-only low-learning-rate full fine-tuning pass from the Round 2 checkpoint with the Whisper encoder frozen.

It is a real training run, not a smoke-test checkpoint, but it is still a review candidate until the held-out evaluation and failure taxonomy are complete.

License is set conservatively because this pass is part of the Akan ASR lab's traceable diagnostic sequence.

  • Training rows: 10000
  • Dev rows: 602
  • Max steps: 800
  • Method: full fine-tuning from teckedd/whisper-small-waxal-round2-specaug-v1
  • Dataset mix: GhanaNLP only for training; Waxal dev is used only as a regression check
  • Frozen encoder: True
  • Stop on first regression: True

Baseline metrics:

{
  "baseline_loss": 6.963376522064209,
  "baseline_model_preparation_time": 0.0047,
  "baseline_wer": 1.1397413137205175,
  "baseline_runtime": 199.9928,
  "baseline_samples_per_second": 3.01,
  "baseline_steps_per_second": 0.755
}

Baseline by corpus:

{
  "gnlp": {
    "baseline_gnlp_loss": 6.963376522064209,
    "baseline_gnlp_model_preparation_time": 0.0047,
    "baseline_gnlp_wer": 1.1397413137205175,
    "baseline_gnlp_runtime": 199.2396,
    "baseline_gnlp_samples_per_second": 3.021,
    "baseline_gnlp_steps_per_second": 0.758
  },
  "waxal_regression": {
    "baseline_waxal_regression_loss": 3.284214496612549,
    "baseline_waxal_regression_model_preparation_time": 0.0047,
    "baseline_waxal_regression_wer": 0.32592715414801304,
    "baseline_waxal_regression_runtime": 321.2727,
    "baseline_waxal_regression_samples_per_second": 1.594,
    "baseline_waxal_regression_steps_per_second": 0.398
  }
}

Final metrics:

{
  "final_loss": 1.3758597373962402,
  "final_model_preparation_time": 0.0047,
  "final_wer": 0.8754755262490489,
  "final_runtime": 174.409,
  "final_samples_per_second": 3.452,
  "final_steps_per_second": 0.866,
  "epoch": 1.28
}

Final by corpus:

{
  "gnlp": {
    "final_gnlp_loss": 1.3758597373962402,
    "final_gnlp_model_preparation_time": 0.0047,
    "final_gnlp_wer": 0.8754755262490489,
    "final_gnlp_runtime": 174.0939,
    "final_gnlp_samples_per_second": 3.458,
    "final_gnlp_steps_per_second": 0.867,
    "epoch": 1.28
  },
  "waxal_regression": {
    "final_waxal_regression_loss": 0.5538806915283203,
    "final_waxal_regression_model_preparation_time": 0.0047,
    "final_waxal_regression_wer": 0.357541590670425,
    "final_waxal_regression_runtime": 327.7075,
    "final_waxal_regression_samples_per_second": 1.562,
    "final_waxal_regression_steps_per_second": 0.391,
    "epoch": 1.28
  }
}

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
d96073b

0 моделей