/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
12 авг 2026

Whisper-Small-Myanmar-Partial-Freezing

Распознавание речиАудио → текст6 профессий

Дообученная версия Whisper Small для распознавания бирманской речи и преобразования её в текст.

1 310скачиваний за 30 дней0лайковвеса обновлены28 сен 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

Whisper Small Myanmar Partial Freezing — дообученная модель распознавания речи на основе Whisper Small от OpenAI, предназначенная для транскрибирования речи на бирманском языке. Она принимает аудио и выдаёт текст; в карточке описано частичное замораживание энкодера: слои 0–7 оставались замороженными, а слои 8–11 энкодера и все слои декодера обучались. Для бирманской тональной речи применялись изменение скорости аудио и аугментация спектрограммы с сохранением частот основного тона.

В README приведены результаты на тестировании: CER 17,94%, WER 56,31% и точное совпадение предложения 2,06%; качество может различаться на других данных и условиях записи. Модель содержит 153,1 млн параметров по метаданным каталога и распространяется в формате safetensors под лицензией Apache-2.0.

Сценарии применения

  • транскрибирование речи на бирманском языке
  • создание текстовых расшифровок бирманских аудиозаписей
  • распознавание бирманской речи в аудиоматериалах
  • подготовка текстовых субтитров к бирманской речи

Ограничения

В указанном тестировании WER составил 56,31%, а точное совпадение целого предложения — 2,06%; результаты могут отличаться на других данных. Модель предназначена для бирманской речи.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small Myanmar Partial Freezing

This model is a fine-tuned version of openai/whisper-small (244 Million parameters) dedicated for Myanmar (Burmese) speech recognition.

Whisper Small Myanmar Partial Freezing Benchmark Results

MetricBaseline (Zero-Shot)Fine-Tuned (Partial-Freezing)Net Improvement
CER (Character Error Rate)159.97%17.94%-142.03%
WER (Word Error Rate)317.49%56.31%-261.18%
Sentence Exact Match0.00%2.06%+2.06%
Evaluation Loss3.35311.5270-1.8261

Model & Training Architecture

  • Base Architecture: openai/whisper-small (244M parameters, 12 encoder layers, 12 decoder layers)
  • Strategy: Partial Encoder Freezing (Layers 0-7 frozen, Layers 8-11 + all 12 decoder layers trainable)
  • Tonal Language Safeguards: Phase-vocoder speed perturbation (0.9x, 1.0x, 1.1x) + F0-protected SpecAugment (protecting 80-300Hz fundamental tone frequencies)
  • Optimization: AdamW + Cosine Annealing Learning Rate Scheduler (Peak LR: 3.75e-5, 1000 Steps)
  • Language Force Token: Burmese (<|my|>) with task='transcribe' and Unicode NFC normalization

Usage (Inference Pipeline)

import torch
from transformers import pipeline

# Load pipeline directly from HuggingFace
pipe = pipeline(
    "automatic-speech-recognition",
    model="thantzinphyo/Whisper-Small-Myanmar-Partial-Freezing",
    torch_dtype=torch.float16,
    device="cuda:0" if torch.cuda.is_available() else "cpu"
)

# Transcribe Burmese audio (16kHz WAV)
result = pipe("your_burmese_audio.wav", generate_kwargs={"language": "my", "task": "transcribe"})
print("Transcription:", result["text"])

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
c8d7beb

0 моделей