/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
1 сен 2026

Ссылки

Hugging Face

whisper-small-santali-sanlish-frozen

thunderboltc
Распознавание речиАудио → текст3 профессии

Дообученная Whisper Small для распознавания речи на языке сантали и транскрибирования аудио в текст.

20скачиваний за 30 дней0лайковвеса обновлены1 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.

Открыть конструктор бенчмарка

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-santali-sanlish-frozen — дообученная модель семейства Whisper, основанная на openai/whisper-small. Она предназначена для автоматического распознавания речи и преобразования аудио в текст; карточка указывает язык Santali. Модель реализована на архитектуре WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers.

На оценочном наборе указаны Loss 0,8507, WER 45,2756 и CER 13,0534. Эти результаты относятся к набору, описанному в карточке, но сами данные и методика оценки не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование речи на сантали
  • распознавание аудиозаписей на сантали
  • создание текстовых расшифровок для аудио на сантали

Ограничения

В карточке указаны WER 45,2756 и CER 13,0534 на оценочном наборе, однако сам набор и методика оценки не описаны. Описание обучения и предполагаемого применения в README не заполнено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-small-santali-sanlish-frozen

This model is a fine-tuned version of openai/whisper-small on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8507
  • Wer: 45.2756
  • Cer: 13.0534

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 240
  • num_epochs: 25
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
5.66011.0973.543588.878050.1312
1.93232.01941.023863.385820.8749
0.76403.02910.854756.594516.8854
0.51414.03880.797449.409414.4882
0.37045.04850.775348.129914.4882
0.26776.05820.764246.555113.2633
0.18727.06790.769152.952821.5398
0.12868.07760.770947.342513.2283
0.08859.08730.777545.472413.0184
0.060110.09700.786052.854329.1514
0.041011.010670.793945.078712.6684
0.029212.011640.812745.374012.6509
0.019913.012610.814044.980313.0709
0.014814.013580.822444.488212.8784
0.011515.014550.833145.374013.0009
0.009816.015520.836356.200821.9598
0.008217.016490.842345.078713.0009
0.007218.017460.847456.102422.0472
0.006419.018430.850745.275613.0534

Framework versions

  • Transformers 5.16.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.23.1

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
0b54a69

0 моделей

    Создать бенчмарк