26 постов
мультиязычная расшифровка в трёх форматах
Конвертации openai/whisper-large-v3-turbo от OpenAI для офлайн-приложения Transcriber International. Модель поддерживает все языки, а веса остались оригинальными — изменены только формат файлов и квантование.
ASR для телугу, хинди и английского
Dragonfly — ASR-модель от balasriharsha на базе openai/whisper-large-v3-turbo (809M параметров). Это файнтюн для телугу, хинди и английского, включая речь, где языки смешиваются.
меньше зацикливаний без обучения
Это Whisper large-v3 (1.54B) с отключёнными 11 головами decoder self-attention, которые копируют предыдущий текст и вызывают повторы на длинных записях. Ничего не дообучали: веса изменены одной арифметической правкой, остальные тензоры, имена и fp16 совпадают с оригиналом.
LoRA-адаптер для индийской речи
Это LoRA-адаптер для распознавания многоязычной речи на базе openai/whisper-small от автора rudra11. Поддерживает тамильский, телугу, хинди, каннада и малаялам; обучен через Hugging Face PEFT на google/fleurs.
черновик для ускорения Whisper large-v3
Отдельная draft-модель для greedy speculative decoding с openai/whisper-large-v3 на английском, китайском, японском и кантонском. Это distil-whisper/distil-large-v3, дообученный на транскриптах самой large-v3; обучался только декодер с привязанным эмбеддингом — 119,4 млн параметров.
компактный ASR-файнтюн на базе Whisper-tiny
Это дообученная версия openai/whisper-tiny от автора huggnico для задачи automatic-speech-recognition. Размер — около 0,04 млрд параметров, библиотека — transformers. В карточке модель называется «Whisper tiny russian» и указано обучение на «russian English dataset».
находит деградации речи каждые 20 мс
AADD v3 — модель автоматического обнаружения деградаций аудио (Automatic Audio Degradation Detection) от agertel. Это файнтюн Whisper-small encoder на 88 млн параметров: на 8-секундных окнах она выдаёт вероятности 12 типов деградаций для каждого 20-мс фрейма.
корейская ASR на устройстве
Корейский файнтюн openai/whisper-base от okdohyuk, сконвертированный в Core ML для WhisperKit. Это полный файнтюн для локальной корейской транскрипции; модель используется приложением Nogmi на Apple-устройствах.
ASR для английской речи с заиканием
Это файнтюн openai/whisper-small для automatic-speech-recognition на английском. Обучен на train-части CDLI Rwandan English non-standard speech dataset — записях преимущественно молодых взрослых с заиканием.
ASR для телефонных колл-центров
Это LoRA-адаптер к openai/whisper-large-v3 от HablaIP SpA (проект CORFO 25CH2-306482). Он настроен на спонтанную чилийскую испанскую речь в реальных телефонных разговорах колл-центра: местные выражения, шум линии и живая речь.
ASR-база для стандартной речи
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.
LoRA-файнтюн для тамильского ASR
Репозиторий skpranav22 содержит LoRA-адаптер и merged-чекпоинты для openai/whisper-small, адаптированные под автоматическое распознавание тамильской речи. Базовая модель — Whisper Small на 244M параметров с 12 слоями энкодера и 12 слоями декодера. Дообучение выполнено через Hugging Face PEFT.
Hinglish-транскрипция на Apple Silicon
Tara — файнтюн Whisper large-v3 для смешанной хинди-английской речи (Hinglish) от Trelis. Это Core ML-конверсия оригинальных весов для WhisperKit: модель работает полностью на устройстве на Mac с Apple Silicon. Формат изменён, веса остались прежними.
Whisper medium для бенгальской речи
Это CTranslate2-конверсия модели bengaliAI, дообученной для распознавания бенгальской речи (bn). Веса переведены в float16 без переобучения, чтобы faster-whisper загружал модель без PyTorch. Именно эту бенгальскую модель инструмент bytx скачивает при bytx setup.
норвежская речь локально на Apple Neural Engine
Это конвертация NbAiLab/nb-whisper-medium от Национальной библиотеки Норвегии в Core ML для WhisperKit, а не новая модель. Веса и поведение — оригинальные от NbAiLab; формат позволяет запускать распознавание норвежской речи на Apple Neural Engine.
постобработчик китайских ASR-транскриптов
Это дообученная версия S1-mini от Superwhisper: около 0,75 млрд параметров, архитектура на базе Qwen3-0.6B. Модель не распознаёт речь, а приводит уже готовый текст от Qwen3-ASR к аккуратному виду — с пунктуацией, переносами и списками. Поддерживает китайский и смешанный китайско-английский.
Whisper для тайваньского мандаринского и хоккиен
Это ASR-модель на базе openai/whisper-large-v3, дообученная для тайваньского мандаринского (вывод традиционным китайским) и тайваньского хоккиен (иероглифами). Около 1,55 млрд параметров, архитектура Whisper large-v3, лицензия Apache-2.0. Позиционируется как речевой компаньон к helioslm-chat-e4b.
сингальская речь в текст на базе Whisper
Компактная модель для распознавания сингальской речи: openai/whisper-small (0,24 млрд параметров) дообучена на корпусе OpenSLR SLR52. Автор — Aadhil96; задача — транскрибация сингальского аудио.
турецкое ASR с LoRA и WER 7,59%
Это турецкая модель распознавания речи от yusufblbl / Verasist на базе selimc/whisper-large-v3-turbo-turkish (0,81 млрд параметров), которая, в свою очередь, происходит от OpenAI Whisper Large v3 Turbo. Модель дообучена LoRA; в репозитории есть объединённые веса и отдельный адаптер в adapter/.
албанский ASR прямо на устройстве
Это упаковка файнтюна Flutra/whisper-large-v3-turbo-sq-v2 для офлайн-распознавания албанской речи. Для iOS — Core ML 6-bit под WhisperKit (~589 MB), для Android — GGML q5_0 под whisper.cpp (~574 MB). Веса и качество — от Flutra, автор репозитория менял только формат и квантование.