/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
9 июл 2026

whisper-small-indian-english

Распознавание речиАудио → текст

Дообученная Whisper Small для транскрипции академической речи на английском с индийским акцентом.

0скачиваний за 30 дней1лайквеса обновлены30 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Модель theshivam7/whisper-small-indian-english — полное дообучение Whisper Small от OpenAI, выполненное автором репозитория на корпусе TIE_shorts с лекциями академического английского с индийским акцентом. Модель содержит 244 млн параметров и предназначена для автоматической транскрипции аудио с такой речью; для запуска описан конвейер Transformers для распознавания речи.

На тестовой выборке TIE_shorts указана WER 16,21% против 17,38% у исходной Whisper Small. Разница не подтвердилась как статистически значимая после поправки на множественные сравнения. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация лекций на английском с индийским акцентом
  • распознавание индийского английского в учебных аудиозаписях
  • подготовка черновых субтитров для академических лекций

Ограничения

Оценка проведена на академических лекциях корпуса TIE_shorts; качество на других вариантах английского и в других областях не оценивалось. В обучающей и тестовой выборках совпадают говорящие, а сообщённое улучшение WER статистически незначимо после поправки на множественные сравнения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small: fine-tuned for Indian English

Fine-tuned openai/whisper-small (244M params) on TIE_shorts, a corpus of NPTEL-style Indian-English academic lecture audio. Part of Indian-ASR-Bench, a reproducible WER benchmark for ASR on Indian English speech.

Usage

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition", model="theshivam7/whisper-small-indian-english")
result = pipe("audio.wav")
print(result["text"])

For audio longer than 30 seconds, enable chunking:

result = pipe("long_audio.wav", chunk_length_s=30, stride_length_s=5)

Model description

A full fine-tune (all 244M parameters) of Whisper Small via transformers Seq2SeqTrainer, using a step-based recipe (max_steps=2000, effective batch size 32, fp16, best-checkpoint selection on validation WER). Best checkpoint: step 800/2000.

Intended uses & limitations

Evaluated on Indian-accented English academic lecture speech (TIE_shorts). Not evaluated on other English varieties or domains.

⚠️ Speaker overlap (disclosed). The training data's official split shares speakers with the test split (100% of test speakers, and 100% of test clips, are from speakers also seen in training). There is no clip-level leakage, but part of the measured gain over the pretrained baseline likely reflects speaker adaptation rather than purely accent/content adaptation. See the benchmark repo for full methodology.

⚠️ Gain is not statistically confirmed. The −1.17pp WER improvement over the pretrained baseline (below) does not survive Holm–Bonferroni correction across the 3-model fine-tuning family at 985 test clips (95% CI [−3.97, +1.21] pp, pHolm=0.774); read it as suggestive, not conclusive.

Training and evaluation data

  • Train: TIE_shorts official train split, 7,200 filtered clips (46.9h).
  • Eval: TIE_shorts official test split, 985 scored clips (one excluded for an empty reference).

Training procedure

Base modelopenai/whisper-small (244M)
Steps2000 (best checkpoint at step 800)
Effective batch size32
Precisionfp16
OptimizerAdamW (transformers Seq2SeqTrainer default)
Selectionbest checkpoint by validation WER

Evaluation results

Corpus WER on TIE_shorts test split, transcript_clean normalization, both models decoded through the identical HF transformers pipeline (engine-controlled comparison):

ModelCorpus WER
openai/whisper-small (pretrained baseline)17.38%
theshivam7/whisper-small-indian-english (this model)16.21%

Δ = −1.17 pp (95% CI [−3.97, +1.21], pHolm=0.774, not significant after correction, see limitations above).

Framework versions

  • Transformers, PyTorch, Datasets (see training environment)

Citation

Part of Indian-ASR-Bench. See the repo for full benchmark methodology, error analysis, and reproduction instructions.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
90961b3

0 моделей