/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Опубликована
7 июл 2026

whisper-large-v3-turbo-da

Распознавание речиАудио → текст3 профессии

LoRA-дообучение Whisper Large v3 Turbo для транскрибирования датской речи в телефонных звонках.

16скачиваний за 30 дней0лайковвеса обновлены7 июл 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

Это LoRA-модель на базе openai/whisper-large-v3-turbo, дообученная для транскрибирования телефонных разговоров на датском языке. Она предназначена для распознавания речи в узкополосном аудио с частотой 8 кГц, повышенной до 16 кГц, и адаптирована к шуму, артефактам кодеков и быстрой разговорной речи.

При обучении использованы около 40 500 псевдоразмеченных сегментов телефонных звонков и 82 проверенные человеком коррекции, которые были усилены повторной выборкой. Модель основана на архитектуре Whisper и распространяется в формате safetensors под лицензией Apache-2.0; также заявлена совместимость с faster-whisper после конвертации в CTranslate2.

Модель специализирована на датской телефонной речи и может хуже распознавать студийное и вещательное аудио. Поскольку псевдоразметку создавали моделью того же семейства, её систематические ошибки могут сохраняться; небольшой объём проверенных коррекций также ограничивает устойчивость к различным условиям записи.

Сценарии применения

  • транскрибирование датских телефонных разговоров
  • распознавание речи в узкополосных звонках 8 кГц
  • расшифровка быстрых разговоров с фоновым шумом
  • преобразование датских звонков в текст для последующего анализа

Ограничения

Оптимизирована для датской телефонной речи и может хуже работать на студийном или вещательном аудио. Псевдоразметка от базовой модели может сохранять её систематические ошибки, а проверенный набор коррекций невелик.

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-large-v3-turbo-da

Fine-tuned openai/whisper-large-v3-turbo for Danish telephone speech transcription.

Training

  • Base model: openai/whisper-large-v3-turbo
  • Method: LoRA fine-tuning (rank 32, alpha 64, targeting q_proj/v_proj)
  • Training data:
    • ~40,500 pseudo-label segments from a Danish phone-call transcription pipeline (self-training)
    • 82 human-verified corrections collected via a manual ASR-review UI, oversampled 30× to give meaningful training weight
  • Epochs: 3
  • Final train loss: 2.73

Domain

Danish telephone calls (8 kHz narrowband, upsampled to 16 kHz). Optimised for the acoustic conditions of mobile/landline calls: background noise, codec artefacts, fast conversational speech.

Usage

from transformers import WhisperForConditionalGeneration, WhisperProcessor
import torch

model = WhisperForConditionalGeneration.from_pretrained("x2q/whisper-large-v3-turbo-da")
processor = WhisperProcessor.from_pretrained("x2q/whisper-large-v3-turbo-da", language="danish", task="transcribe")

# audio: 16 kHz mono numpy array
inputs = processor.feature_extractor(audio, sampling_rate=16000, return_tensors="pt").input_features
with torch.no_grad():
    ids = model.generate(inputs, language="danish", task="transcribe", no_repeat_ngram_size=3)
text = processor.tokenizer.decode(ids[0], skip_special_tokens=True)

Also compatible with faster-whisper after CTranslate2 conversion.

Limitations

  • Optimised specifically for Danish telephone speech; may perform worse on broadcast/studio audio
  • Training pseudo-labels were generated by the same base model family, so systematic errors in the base model may persist
  • 82 human-verified examples is a small correction set; further annotation would improve robustness

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
5b45e0d

0 моделей