К содержимому
Аудио

Whisper Small Multilingual CS

модель для распознавания смешанной речи

2 мин чтенияобновлено

Файнтюн модели Whisper Small от Jevvellabs, оптимизированный для обработки предложений, в которых смешиваются немецкий, английский, испанский и польский языки (code-switching). Модель сохраняет высокую точность моноязычного распознавания речи (ASR) и не генерирует ложные «галлюцинации» тишины. База обучена на Whisper Small с применением LoRA-адаптеров (небольших надстроек над базовой моделью) на декодере при замороженном аудиоэнкодере. Полезно разработчикам голосовых ассистентов, переводчиков и систем транскрипции для многоязычных пользователей.

Ключевые особенности

  • Снижение уровня ошибок (WER) на смешанном коде на 41.4% по сравнению с базовой моделью.
  • Улучшенное распознавание технических терминов и специфических названий.
  • Сохранение точности на моноязычных данных без значительных регрессий.
  • Поддержка форматов Hugging Face Transformers и готового к работе артефакта whisper.cpp GGML F16.

Что можно сделать

  • Распознавать аудиозаписи с частым переключением между немецким, английским, испанским и польским языками в одном диалоге.
  • Запускать транскрипцию на CPU и мобильных устройствах с помощью готового файла GGML через whisper.cpp.
  • Интегрировать модель в пайплайны обработки речи на Python с помощью стандартной библиотеки transformers.

Пример

import torch
from transformers import pipeline

asr = pipeline(
    "automatic-speech-recognition",
    model="Jevvellabs/whisper-small-cs-de-en-es-pl",
    dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
    device=0 if torch.cuda.is_available() else -1,
)

result = asr("mixed_de_en_es_pl_audio.wav")
print(result["text"])
ПодробнееБенчмарки: WER на смешанном коде снизился с 31.62% до 18.52%
Точность распознавания терминов выросла до 77.08%
Требования к железу: стандартные для модели Whisper Small, доступен файл GGML F16 (465 МБ)
Лицензия: MIT
Обсудить Telegram 1 23

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.5 GB · готовые файлы1.0 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Jevvellabs/whisper-small-cs-de-en-es-pl
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Jevvellabs/whisper-small-cs-de-en-es-pl --local-dir ~/models/whisper-small-cs-de-en-es-pl
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к whisper-small-cs-de-en-es-pl
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

openai/whisper-small

Новые посты про версии whisper-small — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

Jevvellabs/whisper-small-cs-de-en-es-pl
Автор
Jevvellabs
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

231

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Inkling 2 Small

Inkling 2 Small