/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-th-medium-combined
Библиотека
transformers
Опубликована
25 ноя 2025

typhoon-isan-asr-whisper

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Medium для транскрибирования речи на исанском диалекте тайского языка в текст, включая автономное распознавание.

99скачиваний за 30 дней5лайковвеса обновлены11 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

Typhoon Isan ASR Whisper — модель распознавания речи, разработанная Typhoon AI как дообученная версия biodatlab/whisper-th-medium-combined на архитектуре Whisper. Она предназначена для преобразования речи на исанском диалекте тайского языка в текст, в том числе для автономной транскрипции и развёртывания собственного сервиса распознавания без отправки аудиоданных сторонним облачным платформам. Модель содержит 455,8 млн параметров, принимает аудио и выдаёт текст; для работы используется библиотека Transformers, веса опубликованы в формате safetensors.

В README сообщается о качестве 0,0885 CER на тестовом наборе и преимуществе над указанными в сравнении системами; результат относится к приведённому в карточке бенчмарку и не гарантирует такое же качество на любых записях. Модель ориентирована на исанскую речь, поэтому пригодность для других диалектов и языков не заявлена. Лицензия репозитория — Apache-2.0; README также указывает на условия OpenTyphoon и уведомление о конфиденциальности.

Сценарии применения

  • транскрибация записей на исанском диалекте
  • автономное распознавание исанской речи без облачного сервиса
  • развёртывание собственного сервиса ASR для исанского диалекта

Ограничения

Модель специализирована на исанском диалекте тайского языка, поэтому качество для других языков и диалектов не подтверждено. Указанный CER получен на бенчмарке из README и может не отражать качество на других аудиозаписях.

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

Typhoon-isan-asr-whisper

| Model architecture | Model size | Language

Typhoon Isan ASR Whisper is a specialized, fine-tuned version of the biodatlab/whisper-th-medium-combined model, optimized specifically for the Isan dialect of the Thai language. Built for high-accuracy offline transcription, it delivers state-of-the-art performance on Isan speech. This enables users to host their own ASR service for Isan dialect recognition, reducing costs and avoiding the need to send sensitive data to third-party cloud services.

The model is based on OpenAI's Whisper architecture, utilizing the robust Thai-enhanced foundation from biodatlab to ensure superior understanding of regional tones and vocabulary.

By using this model, you agree to the OpenTyphoon Terms and Conditions and acknowledge the Privacy Notice: https://opentyphoon.ai/tac · https://opentyphoon.ai/privacy

Try our demo available on Demo

Code / Examples available on Github

Release Blog available on OpenTyphoon Blog


Performance

Note on Baseline: The scb10x/whisper-medium-slscu-nectec included in the comparison is a model we fine-tuned specifically for this benchmark using existing dialect data from NECTEC and SLSCU. It serves as a representative baseline for performance based on public data, distinct from the SLSCU_korat_model (the prominent previous work for Isan dialect ASR). This helps to determine the clear gap between capabilities derived from previously available resources and the new Typhoon Isan ASR.

Key Findings

  • Outperforming Proprietary State-of-the-Art: The typhoon-isan-asr-whisper model achieves a Character Error Rate (CER) of 0.0885, surpassing Gemini-2.5-pro (0.1020) by a clear margin. This result validates that a specialized, fine-tuned open model can deliver superior accuracy compared to massive, general-purpose proprietary systems for the Isan dialect.
  • The Definitive Choice for Accuracy: Among all architectures tested—including latency-optimized realtime models and historical baselines—the Whisper-based model stands out as the absolute leader. While our typhoon-isan-asr-realtime model is highly competitive (0.1065), the typhoon-isan-asr-whisper offers the highest possible fidelity, making it the preferred choice for offline transcription where precision is paramount.

Follow us

https://twitter.com/opentyphoon

Support

https://discord.gg/us5gAYmrxw

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
e85580d

0 моделей