/ 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
27 июн 2026

serendepify-gsl-asr-ak-waxal-gnlp-whisper-small-replay-fullft-v0.1

Распознавание речиАудио → текст

Экспериментальная версия Whisper Small для распознавания аканской речи, обученная на данных Waxal и GhanaNLP.

3скачиваний за 30 дней0лайковвеса обновлены27 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 система автоматического распознавания речи от Ghanaian Speech Lab: чекпойнт Whisper Small, дообученный полным fine-tuning на смеси данных Waxal и GhanaNLP. Модель содержит 153,1 млн параметров и принимает аудио, выдавая текстовую транскрипцию; она предназначена для распознавания аканской речи, включая тви.

Чекпойнт создан как ограниченный тестовый артефакт для проверки воспроизводимого конвейера подготовки данных, обучения и публикации. Обучение выполнено на 128 строках тренировочной выборки и 32 строках dev-выборки за 10 шагов. Приведённые в карточке метрики относятся к небольшой dev-выборке и служат проверке конвейера, а не подтверждением качества модели.

Модель не рассчитана на производственное применение, и её качество распознавания может уступать более ранней версии Round 2. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • транскрибирование речи на аканском языке
  • распознавание устной речи на тви
  • проверка конвейеров обучения и публикации ASR-моделей

Ограничения

Это ограниченный запуск дообучения всего на 10 шагах; качество не подтверждено полноценными тестами на корпусном уровне и не предназначено для производственного использования. Метрики получены на небольшой dev-выборке и не являются итоговой оценкой качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

serendepify-gsl-asr-ak-waxal-gnlp-whisper-small-replay-fullft-v0.1

This is the first trained Ghanaian Speech Lab ASR artifact for the v0.1 Waxal+GhanaNLP replay-mixed full fine-tuning pass.

This is a bounded review checkpoint, not a production model. It exists to prove the repeatable pipeline can pick, prepare, sanitize, train, save, and publish a testable ASR artifact.

What Was Trained

  • Base model: teckedd/whisper-small-waxal-round2-specaug-v1
  • Method: full fine-tuning
  • Dataset mix: Waxal + GhanaNLP from the v0.1 sanitized manifest
  • Training rows: 128
  • Dev rows: 32
  • Max steps: 10
  • GPU: NVIDIA L4
  • Best checkpoint: /outputs/serendepify-gsl-asr-ak-waxal-gnlp-whisper-small-replay-fullft-v0.1/checkpoint-10

Data and License Notes

This pass uses Waxal and GhanaNLP-derived rows from the sanitized GSL manifest. The model is published with cc-by-sa-4.0 as a conservative review license because the training mixture includes share-alike licensed material. Do not treat this checkpoint as commercially cleared.

Results

These metrics are on the tiny v0.1 dev slice used for this first artefact smoke training run. They are useful for pipeline verification, not as final model claims.

Baseline metrics before the 10-step update:

{
  "baseline_loss": 4.716159820556641,
  "baseline_model_preparation_time": 0.0046,
  "baseline_wer": 0.4215809284818068,
  "baseline_runtime": 28.1084,
  "baseline_samples_per_second": 1.138,
  "baseline_steps_per_second": 0.569
}

Final metrics after the 10-step update:

{
  "final_loss": 2.036831855773926,
  "final_model_preparation_time": 0.0046,
  "final_wer": 0.4203262233375157,
  "final_runtime": 24.7348,
  "final_samples_per_second": 1.294,
  "final_steps_per_second": 0.647,
  "epoch": 0.3125
}

Known Issues

  • This is only a 10-step artefact run: it is not expected to beat prior Round 2 ASR quality.
  • The loader still materialized more GhanaNLP data than necessary during this run; the next pipeline patch should use direct/indexed sample materialization.
  • Test-stage reports are still pending: corpus-level WER/CER, repetition taxonomy, and comparison packet.

Reproducibility

The durable Modal call was fc-01KW5N31QQGTYQ2DJHCRWSERNB. The full training summary is included in training_summary.json.

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
677431c

0 моделей