/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper_small-waxal_akan-asr-v1
Библиотека
transformers
Опубликована
19 июн 2026

whisper-small-waxal-akan-continuation-v1

Распознавание речиАудио → текст3 профессии

Экспериментальная версия Whisper Small для преобразования речи на акан в текст, предназначенная для оценки и прототипирования.

36скачиваний за 30 дней0лайковвеса обновлены19 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 на языке акан, разработанная Teckedd как продолжение дообучения Whisper Small Waxal Akan ASR. Она принимает аудио и генерирует текстовую транскрипцию; модель построена на архитектуре Whisper и содержит 153,1 млн параметров. Обучение продолжено на наборе WaxalNLP для распознавания речи на акан. В тесте на 1 522 примерах модель показала WER 32,77% и CER 12,47%, немного улучшив опубликованную базовую версию.

Модель предназначена для исследований, оценки качества и прототипирования систем распознавания речи на акан. Лицензия — Apache-2.0. Это экспериментальный контрольный пункт, который авторы не позиционируют как готовое к промышленному или коммерческому применению решение.

Сценарии применения

  • транскрибирование записей речи на акан
  • распознавание речи на акан в исследовательских экспериментах
  • оценка качества ASR для акан
  • создание прототипа голосового сервиса на акан

Ограничения

Модель обучена на одном публичном корпусе, поэтому может хуже работать с другими диалектами, предметными областями, условиями записи и переключением языков; улучшение относительно базовой версии умеренное. В двух из 1 522 тестовых транскрипций наблюдались циклы повторения токенов; авторы рекомендуют обнаруживать такие сбои и повторять распознавание либо использовать проверенную базовую модель.

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

Whisper Small Waxal Akan Continuation v1

Experimental full-model continuation of teckedd/whisper_small-waxal_akan-asr-v1 on the Waxal Akan ASR split. This checkpoint is published for evaluation and Ghanaian listening review. It is not yet presented as a production or commercial-grade model.

Results

The primary comparison uses all 1,522 rows in the original held-out Waxal test split. The test set is excluded from training and checkpoint selection.

ModelWERCER
Published baseline33.84%12.74%
This candidate32.77%12.47%

A 5,000-sample paired bootstrap estimates a 99.86% probability that the candidate improves the baseline. The 95% interval for candidate-minus-baseline WER is -1.90 to -0.33 percentage points. The candidate improves 524 utterances, ties 603, and worsens 395.

The smaller frozen benchmark v1 contains 99 utterances, three from each of 33 test-only speakers. On that subset, WER moves from 33.62% to 32.65% and CER from 12.37% to 12.26%. Its paired interval crosses zero, which is why the full held-out comparison is reported above.

On the complete 1,123-row validation split, WER improved from 32.69% before continuation to 31.45% at the selected step-300 checkpoint. Step 400 regressed to 31.83%, so the trainer restored step 300.

The stored Yoruba proxy prefix and no-forced-language decoding produced identical frozen benchmark predictions. This does not imply native Yoruba or Akan support in Whisper's original language-token inventory.

Training

  • Base: teckedd/whisper_small-waxal_akan-asr-v1
  • Dataset: google/WaxalNLP, aka_asr
  • Valid rows: 10,106 train and 1,123 validation
  • Labels: NFC, lowercase, punctuation removed, whitespace collapsed
  • Method: full-model continuation, FP16, gradient checkpointing
  • Hardware: NVIDIA L4 on Modal
  • Effective batch size: 32
  • Learning rate: 5e-6 with 50 warmup steps
  • Validation/save interval: 100 steps
  • Selected checkpoint: step 300 of 400

Intended Use

Research, evaluation, and prototyping for Akan speech recognition. Domain-specific systems for health, commerce, customer support, or public services require additional representative data, human review, privacy controls, and safety testing.

Limitations

  • Trained on one public corpus and may not generalize across Akan dialects, domains, ages, recording devices, background noise, or code-switching.
  • The measured full-test improvement is statistically credible but modest.
  • Two of 1,522 candidate outputs entered severe token-repetition loops. Production inference should detect repeated-token collapse and retry or fall back to a reviewed baseline.
  • Whisper's tokenizer fragments Akan text heavily; this run does not change the vocabulary.
  • Do not use unreviewed transcripts for medical, legal, financial, or emergency decisions.

Training and evaluation code: https://github.com/teckedd-code2save/akan-speech-lab

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
6b17bc8

0 моделей