/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
16 авг 2026

Whisper-Tiny-Myanmar-Partial-Freezing

Распознавание речиАудио → текст3 профессии

Компактная версия Whisper, дообученная для транскрибирования бирманской речи.

38скачиваний за 30 дней0лайковвеса обновлены2 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-Tiny-Myanmar-Partial-Freezing — версия openai/whisper-tiny, дообученная автором thantzinphyo на наборе SLR80: Crowdsourced High-Quality Burmese Speech Dataset. Это компактная модель распознавания речи на архитектуре Whisper с 29,4 млн параметров; она принимает аудио и преобразует его в текст на бирманском языке. В README выбран контрольный чекпойнт на шаге 1 000 с наименьшей указанной долей ошибок символов (CER 19,60%) на валидационной выборке из 252 аудиофрагментов.

Модель предназначена для транскрибирования бирманской речи, в том числе записей, подобных аудио из набора SLR80. Её можно запускать через pipeline automatic-speech-recognition в библиотеке Transformers. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Показатель CER получен на небольшой изолированной выборке, поэтому он не гарантирует такое же качество на других записях, условиях записи или типах речи. README не сообщает о поддержке других языков или о проверке модели на более широком наборе сценариев.

Сценарии применения

  • транскрибирование записей речи на бирманском языке
  • распознавание бирманской речи из аудиофрагментов
  • автоматическое преобразование бирманского аудио в текст

Ограничения

Указанный CER 19,60% измерен на валидационной выборке из 252 клипов и может не отражать качество на других данных и условиях записи. README не приводит результатов для других языков.

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-Tiny-Myanmar-Partial-Freezing

Fine-tuned version of openai/whisper-tiny on SLR80: Crowdsourced High-Quality Burmese Speech Dataset ( https://www.openslr.org/80 ).

Best Model Selection Notice:

This repository contains the best checkpoint (Step 1,000), selected for its lowest CER of 19.60%.


How to Use (Python Inference)

import torch
from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="thantzinphyo/Whisper-Tiny-Myanmar-Partial-Freezing",
    device=0 if torch.cuda.is_available() else -1
)

result = pipe("your_burmese_audio.wav", generate_kwargs={"language": "my", "task": "transcribe"})
print("Transcribed Text:", result["text"]) # အခု ကတော့ သဘောတရားလေး ပဲ ပြောပြတာပါ

Complete Training & Evaluation History (Steps 0 to 1,500)

Evaluated on the isolated validation set (252 clips / ~0.42 hrs) and formatted in Percentage (%):

StepTraining LossValidation LossCharacter Error Rate (CER)Word Error Rate (WER)Checkpoint Status
0 (Baseline)——230.57%213.09%Pretrained Base (Hallucination)
10017.28802.120978.09%100.04%Script Recognition
20013.12791.642833.08%81.22%Phonetic Alignment
30011.78451.611927.40%73.99%Syntax Formation
40011.49521.618824.47%69.96%Sub-70% WER Barrier Broken
50011.43601.626124.06%70.84%Vocabulary Consolidation
60011.34061.640220.95%66.37%Particle Tuning
70011.32971.651722.98%69.09%Regularization
80011.34351.644321.23%67.29%Consonant Conjunct Refinement
90011.31921.653520.37%66.07%Stable Convergence
1,00011.29891.674419.60%65.28%Checkpoint (Published)
1,10011.29551.681919.80%64.97%Lowest WER Record
1,20011.29281.694519.71%65.15%High Precision
1,30011.29141.702619.72%65.19%Cosine Learning Decay
1,40011.29091.706019.94%65.46%Asymptotic Convergence
1,50011.29081.706619.88%65.37%Final Step Completion

Initial Training Configuration

  • Base Architecture: openai/whisper-tiny (37.8M parameters)
  • Training Strategy: Phase 1 Partial Encoder Freeze — Layers 0–1 frozen, while Layers 2–3 and the Decoder were trainable (33.1M parameters / 87.66%)
  • Effective Batch Size: 64 (16 per device × 4 gradient accumulation)
  • Learning Rate: 1.5e-4 with a Cosine Scheduler and 150 warmup steps
  • Dataset: 2,277 training clips and 252 validation clips using 100% OpenSLR-80 NFC-canonical transcriptions

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
8acfc39

0 моделей