/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
mullaboyeva-stt
Опубликована
28 июн 2026

Qipchoq-STT

Распознавание речиАудио → текст9 профессий

Дообученная модель Whisper для преобразования узбекской речи в текст и транскрибации аудиозаписей.

7скачиваний за 30 дней0лайковвеса обновлены17 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

Qipchoq-STT — модель автоматического распознавания речи на базе Whisper, разработанная xmullaboyeva и дообученная на пользовательском речевом датасете. Она преобразует аудио в текст и может использоваться для транскрибации записей, подготовки разметки и интеграции распознавания речи в приложения на Python через библиотеку Hugging Face Transformers.

Модель содержит 455,8 млн параметров и распространяется в формате Safetensors. В метаданных указан узбекский язык; название Qipchoq также указывает на кипчакское направление, однако README не уточняет языковой охват. Лицензия — Apache-2.0.

Качество распознавания может снижаться на шумных записях, при акцентах и диалектах, не представленных в обучающих данных, при одновременной речи нескольких собеседников и на очень коротких аудиофрагментах.

Сценарии применения

  • транскрибация узбекской речи
  • распознавание речи в голосовых приложениях
  • подготовка текстовой расшифровки аудиозаписей
  • создание черновой разметки речевых датасетов
  • исследования технологий распознавания речи

Ограничения

Качество может снижаться на шумной записи, при незнакомых модели акцентах и диалектах, перекрывающейся речи и очень коротких аудиофрагментах.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qipchoq-STT

Qipchoq-STT is a fine-tuned automatic speech recognition (ASR) model based on xmullaboyeva/mullaboyeva-stt. The model converts speech audio into text and is intended for research and practical speech recognition applications.

Model description

This model was fine-tuned from xmullaboyeva/mullaboyeva-stt using a custom speech dataset. It is designed for speech-to-text transcription and can be integrated into Python applications using the Hugging Face Transformers library.

Usage

from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="xmullaboyeva/Qipchoq-STT"
)

result = pipe("audio.wav")
print(result["text"])

Intended uses

The model can be used for:

  • Automatic speech recognition (ASR)
  • Speech-to-text transcription
  • Speech technology research
  • Voice-enabled applications
  • Dataset transcription and annotation

Limitations

Recognition accuracy may decrease for:

  • Noisy audio recordings
  • Speech with accents or dialects not represented in the training data
  • Overlapping speakers
  • Extremely short audio clips

Training and evaluation data

The model was fine-tuned on a custom speech dataset.

Training procedure

Training hyperparameters

HyperparameterValue
Learning rate1e-5
Train batch size8
Evaluation batch size2
Gradient accumulation steps4
Total train batch size32
OptimizerAdam (β₁=0.9, β₂=0.999, ε=1e-8)
Learning rate schedulerCosine
Warmup ratio0.05
Number of epochs5
Random seed42

Training results

Training LossEpochStepValidation Loss
0.22311.972000.1962
0.11993.934000.2005

Final validation loss: 0.2005

Framework versions

  • Transformers 4.38.0
  • PyTorch 2.9.1+cu126
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
1bcfb23

0 моделей