/ 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
29 июн 2026

serendepify-gsl-asr-ak-waxal-gnlp-whisper-small-broad-lowlr-freezeenc-fullft-v0.3

Распознавание речиАудио → текст

Whisper Small, дообученная Ghanaian Speech Lab на данных Waxal и GhanaNLP для транскрибирования аканской речи, включая тви.

6скачиваний за 30 дней0лайковвеса обновлены29 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 версия Whisper Small для автоматического распознавания речи, разработанная Ghanaian Speech Lab. Модель дообучена на смеси данных Waxal и GhanaNLP; в ходе полного fine-tuning энкодер Whisper был заморожен. Веса содержат около 153,1 млн параметров и опубликованы в формате safetensors.

Модель предназначена для транскрибирования речи на аканском языке, включая тви. В README указаны 12 000 обучающих примеров, 512 примеров для разработки и до 800 шагов обучения. Приведённая базовая метрика WER составляет около 0,454; итоговые метрики в доступном тексте карточки отсутствуют, а оценка на отложенной выборке и анализ ошибок ещё не завершены.

Модель распространяется по лицензии CC BY-SA 4.0. До завершения оценки её следует рассматривать как кандидата на проверку, а не как подтверждённую по качеству систему распознавания.

Сценарии применения

  • транскрибирование речи на тви
  • распознавание аканской речи в аудиозаписях
  • создание черновых субтитров для аудио на тви
  • подготовка транскриптов для аканоязычных речевых данных

Ограничения

Оценка на отложенной выборке и анализ категорий ошибок ещё не завершены; указанная базовая WER около 0,454 не характеризует итоговую версию. Качество распознавания за пределами использованных аканских и тви данных не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

serendepify-gsl-asr-ak-waxal-gnlp-whisper-small-broad-lowlr-freezeenc-fullft-v0.3

This is the third Ghanaian Speech Lab ASR artifact: a broader Waxal+GhanaNLP low-learning-rate full fine-tuning pass 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 includes Waxal-derived data.

  • Training rows: 12000
  • Dev rows: 512
  • Max steps: 800
  • Method: full fine-tuning from teckedd/whisper-small-waxal-round2-specaug-v1
  • Dataset mix: broad Waxal + GhanaNLP from the v0.1 sanitized manifest
  • Frozen encoder: True
  • Stop on first regression: True

Baseline metrics:

{
  "baseline_loss": 5.13262939453125,
  "baseline_model_preparation_time": 0.0046,
  "baseline_wer": 0.4543915741959752,
  "baseline_runtime": 238.4489,
  "baseline_samples_per_second": 2.147,
  "baseline_steps_per_second": 0.537
}

Baseline by corpus:

{
  "waxal": {
    "baseline_waxal_loss": 3.3425865173339844,
    "baseline_waxal_model_preparation_time": 0.0046,
    "baseline_waxal_wer": 0.3454323454323454,
    "baseline_waxal_runtime": 158.7616,
    "baseline_waxal_samples_per_second": 1.612,
    "baseline_waxal_steps_per_second": 0.403
  },
  "gnlp": {
    "baseline_gnlp_loss": 6.922672271728516,
    "baseline_gnlp_model_preparation_time": 0.0046,
    "baseline_gnlp_wer": 1.0584615384615386,
    "baseline_gnlp_runtime": 76.1024,
    "baseline_gnlp_samples_per_second": 3.364,
    "baseline_gnlp_steps_per_second": 0.841
  }
}

Final metrics:

{
  "final_loss": 1.140019416809082,
  "final_model_preparation_time": 0.0046,
  "final_wer": 0.451758510438217,
  "final_runtime": 223.9252,
  "final_samples_per_second": 2.286,
  "final_steps_per_second": 0.572,
  "epoch": 0.5333333333333333
}

Final by corpus:

{
  "waxal": {
    "final_waxal_loss": 0.498562753200531,
    "final_waxal_model_preparation_time": 0.0046,
    "final_waxal_wer": 0.3584193584193584,
    "final_waxal_runtime": 154.7631,
    "final_waxal_samples_per_second": 1.654,
    "final_waxal_steps_per_second": 0.414,
    "epoch": 0.5333333333333333
  },
  "gnlp": {
    "final_gnlp_loss": 1.7814760208129883,
    "final_gnlp_model_preparation_time": 0.0046,
    "final_gnlp_wer": 0.9692307692307692,
    "final_gnlp_runtime": 71.1072,
    "final_gnlp_samples_per_second": 3.6,
    "final_gnlp_steps_per_second": 0.9,
    "epoch": 0.5333333333333333
  }
}

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
d92322e

0 моделей