Whisper-small Kinyarwanda

Файнтюн openai/whisper-small (0,24 млрд параметров) для распознавания стандартной речи на киньяруанда. Обучен на Common Voice 27.0 и AfriVoice Kinyarwanda v0.2; это stage-1 база для будущих CDLI-моделей по нарушенной речи, сама на такой речи не обучалась.

🌕 Ключевые особенности

• 🌕 ASR для киньяруанда на базе Whisper-small, библиотека Transformers.
• 📓 Обучение: 30 000 шагов, effective batch 64, lr 1e-5; данные Common Voice 27.0 и AfriVoice v0.2.
• ✅ Декодирование по конвенции CDLI: language="sw", greedy num_beams=1.
• 🔥 Устойчивость к шуму: при white noise 20 dB WER 0.337 на CV и 0.105 на AfriVoice.
• 📌 Не обучена на нарушенной речи — для таких данных нужен следующий этап CDLI.

👀 Пример

Сценарий из карточки: подайте аудио на киньяруанда и декодируйте с language="sw" и num_beams=1. Модель вернёт транскрипцию; для нарушенной речи нужен следующий этап CDLI.

Подробнее

WER на тестах: Common Voice 27 — 0.288, AfriVoice — 0.089, CDLI impaired rw — 0.474 (у cdli-std 0.697, zero-shot 0.983).
Размер: Whisper-small, 0,24 млрд параметров; VRAM в карточке не указан.
Обучение: 30 000 шагов, effective batch 64, lr 1e-5; данные CV 27.0 + AfriVoice v0.2.
Ограничение: не обучалась на нарушенной речи; английский тест CDLI — WER 0.658.