/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
10 ноя 2025

quran-s-finetuned

Распознавание речиАудио → текст3 профессии

Дообученная Whisper medium для транскрибирования чтения Корана на арабском языке.

212скачиваний за 30 дней1лайквеса обновлены13 ноя 2025

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

yousifgamalo/quran-s-finetuned — дообученная методом полного fine-tuning модель OpenAI Whisper medium для расшифровки чтения Корана на арабском языке. Это ASR-модель архитектуры Whisper с 455,8 млн параметров, принимающая аудио и выдающая текст. Она обучена на записях чтения Корана из MP3Quran и проверена на отложенной выборке из того же источника; заявленный WER на тесте — 0,1162.

Модель предназначена для транскрибирования классического арабского языка в чтении Корана. Она может быть полезна для создания текстовых записей чтения и поиска по транскрипциям. Модель выдаёт текст без диакритических знаков. Лицензия — Apache 2.0.

Сценарии применения

  • транскрибирование аудиозаписей чтения Корана
  • создание текстовых версий коранических чтений
  • поиск по содержанию аудиозаписей чтения Корана

Ограничения

Оптимизирована для чтения Корана и может хуже распознавать обычную арабскую речь, диалекты и современный литературный арабский язык. Транскрипции выдаются без диакритических знаков; качество может отличаться на записях, не похожих на обучающие.

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 Medium Arabic - Quran Fine-tuned (Full Fine-tuning)

Model Description

This model is a fine-tuned version of openai/whisper-medium specifically optimized for Arabic Quran recitation transcription.

The model was fine-tuned using Full Fine-tuning on a dataset of professional and non professional Quran recitations from MP3Quran and tarteel AI, making it highly effective for transcribing Quranic Arabic speech.

  • Developed by: Fine-tuned model
  • Model type: Automatic Speech Recognition (ASR)
  • Language: Arabic (ar)
  • License: Apache 2.0
  • Base model: openai/whisper-medium
  • Fine-tuning method: Full Fine-tuning

Training Details

Training Data

The dataset consists of Quran recitations by professional reciters from MP3Quran, preprocessed with:

  • Audio normalized to 16kHz mono
  • Text without diacritics (tashkeel removed)
  • Log-mel spectrograms extracted
  • Shuffled to ensure diverse train/val/test splits

Training Hyperparameters

Training Arguments:

  • Batch size per device: 32
  • Gradient accumulation steps: 1
  • Effective batch size: 32
  • Learning rate: 1e-06
  • Warmup steps: 500
  • Number of epochs: 0.01
  • Precision: bf16
  • Optimizer: AdamW (default)
  • Learning rate scheduler: linear with warmup
  • Max generation length: 256

Generation Configuration:

  • Task: Transcription
  • Language: Arabic (forced)
  • No repeat n-gram size: 3
  • Repetition penalty: 2.0

Training Infrastructure

  • Gradient checkpointing: Enabled
  • Mixed precision training: bf16
  • Early stopping: WER threshold 0.03

Evaluation

Test Set Metrics

MetricValue
Word Error Rate (WER)0.1162
Test Loss0.0317
Runtime (seconds)1300.45
Samples per second9.81

Evaluation Data

The model was evaluated on a held-out test set of 12761 samples from the same distribution as the training data (professional Quran recitations from MP3Quran).

Use limitations and license

  • not allowed for commercial use , only nonprofit is allowed .

Installation

pip install transformers torch torchaudio

Inference Example

import torch
from transformers import WhisperProcessor, WhisperForConditionalGeneration
from datasets import load_dataset, Audio

# Load model and processor
model_id = "yousifgamalo/quran-s-finetuned"
processor = WhisperProcessor.from_pretrained(model_id)
model = WhisperForConditionalGeneration.from_pretrained(model_id)

# Move to GPU if available
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)

# Load and preprocess audio
# Example: Load from a file
import librosa
audio_array, sampling_rate = librosa.load("quran_recitation.wav", sr=16000)

# Process audio
input_features = processor(
    audio_array, 
    sampling_rate=16000, 
    return_tensors="pt"
).input_features.to(device)

# Generate transcription
# The model is configured to output Arabic text automatically
predicted_ids = model.generate(input_features)

# Decode prediction
transcription = processor.batch_decode(
    predicted_ids, 
    skip_special_tokens=True
)[0]

print(f"Transcription: {transcription}")

Using with Pipeline

from transformers import pipeline

# Create ASR pipeline
pipe = pipeline(
    "automatic-speech-recognition",
    model="yousifgamalo/quran-s-finetuned",
    device=0 if torch.cuda.is_available() else -1
)

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

Limitations and Bias

  • Domain-specific: This model is optimized for Quran recitation and may not perform well on general Arabic speech
  • Professional recordings: Trained on professional reciters from MP3Quran, performance may vary on non-professional recordings
  • No diacritics: The model outputs Arabic text without diacritical marks (tashkeel)
  • Classical Arabic: Optimized for Classical/Quranic Arabic, not Modern Standard Arabic or dialects

Training Procedure Details

Preprocessing

  1. Audio files resampled to 16kHz mono
  2. Log-mel spectrograms extracted using Whisper's feature extractor
  3. Text normalized (Arabic diacritics removed)
  4. Dataset shuffled before splitting to ensure representative distributions
  5. Train/validation/test split: 98%/1%/1%

Full Fine-tuning

This model was trained using full fine-tuning, where all model parameters are updated during training. This provides maximum flexibility but requires more memory and compute resources.

Citation

If you use this model, please cite:

  author = {Yousif H A },
  title = {Whisper Medium - Quran Fine-tuned },
  year = {2024},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/yousifgamalo/quran-s-finetuned}}
}

Also cite the original Whisper paper:

@article{radford2022whisper,
  title={Robust Speech Recognition via Large-Scale Weak Supervision},
  author={Radford, Alec and Kim, Jong Wook and Xu, Tao and Brockman, Greg and McLeavey, Christine and Sutskever, Ilya},
  journal={arXiv preprint arXiv:2212.04356},
  year={2022}
}

Model Card Contact

For questions or issues, please open an issue in the model repository.

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
0fb3a14

0 моделей