Arabic-Asr-cohere-v3
арабский ASR с упором на диалекты
2 мин чтенияобновлено
Файнтюн CohereLabs/cohere-transcribe-arabic-07-2026 для автоматического распознавания арабской речи. Продолжает Arabic-Asr-cohere-v2 и добавляет магрибскую и йеменскую речь; архитектура (~2B) и API декодирования не изменились. Модель поддерживается в transformers, лицензия — CC BY-NC 4.0 (некоммерческая).
Ключевые особенности
- Обучена на ~184,3 ч данных, включая MASC, MGB-2, SADA, Common Voice 18, FLEURS и Casablanca validation.
- Понимает MSA и диалекты: египетский, саудовский/заливный, теперь магрибский и йеменский.
- Средний WER по 6 наборам — 21,71% против 25,97% у базовой модели.
- Casablanca WER снизился с 46,56% до 42,49%, SADA — с 30,38% до 28,75%.
- Есть быстрый запуск в
transformers, поддержка длинного аудио и интеграция с vLLM. - Нет автоопределения языка, таймкодов и диаризации; тишину может превращать в галлюцинации.
Пример
from transformers import AutoProcessor, CohereAsrForConditionalGeneration
from transformers.audio_utils import load_audio
repo = 'Abdelrahman-M/Arabic-Asr-cohere-v3'
processor = AutoProcessor.from_pretrained(repo)
model = CohereAsrForConditionalGeneration.from_pretrained(repo, device_map='auto')
audio = load_audio('your_audio.wav', sampling_rate=16000)
inputs = processor(audio, sampling_rate=16000, return_tensors='pt', language='ar')
print(processor.decode(model.generate(**inputs, max_new_tokens=256), skip_special_tokens=True))
Подробнее
Средний WER по 6 наборам: 21,71% (база — 25,97%, v2 — 22,58%).Casablanca: WER 42,49%, CER 14,94%; SADA: WER 28,75%.
Обучение: ~184,3 ч; тестовые сплиты SADA, Common Voice, MGB-2, MASC и Casablanca не использовались.
Ограничения: один язык без автоопределения, нет таймкодов/диаризации, магрибские диалекты всё ещё сложные (WER по странам: Марокко ~37, Алжир ~53, Мавритания ~70).
Лицензия CC BY-NC 4.0 — только некоммерческое использование.










Комментарии