Research previewчӑваш чӗлхи · Aisar

Три модели,
которые понимают
чувашскую речь.

Aisar — три модели Whisper, дообученные на открытом размеченном корпусе чувашской речи (49.5 ч из трёх источников, включая Common Voice), и крупнейшая открытая коллекция чувашского аудио — ещё ≈1 080 часов. Послушайте записи из тестовой выборки и сравните, как small, medium и turbo расшифровывают живую речь.

3 моделиsmall · medium · turbo
16.02%лучший WER — turbo
49.5 чразмеченной речи
1 080 чразмечено автоматически
HuggingFaceДатасет▸ Примеры распознаванияСтатья · скоро на arXiv
▸ sample_017.wav · 4.2s · 16kHz
large-v3-turbo ✓
«Эпир чӑвашла калаҫатпӑр.»
00:00.0000:02.1000:04.20

Три модели · одна задача

Качество на тестовой выборке Common Voice: 1 288 высказываний, декодирование beam-5, орфографический WER — с учётом регистра и пунктуации.

whisper-small чӑвашла · 244M
лёгкая
20.3% WER
0%30%
CER5.35%
WER (норм.)15.4%
Базаwhisper-small
Чек-поинт≈0.49 GB
HuggingFace
whisper-medium чӑвашла · 769M
средняя
17.28% WER
0%30%
CER3.83%
WER (норм.)12.36%
Базаwhisper-medium
Чек-поинт≈1.5 GB
HuggingFace
whisper-large-v3-turbo чӑвашла · 809M
точная
16.02% WER
0%30%
CER3.63%
WER (норм.)11.13%
Скорость≈13× RT
Чек-поинт≈1.6 GB
HuggingFace
1 080часов аудио

Крупнейшая открытая коллекция чувашской речи

Вместе с моделями публикуются три датасета: ≈1 080 часов речи с автоматической разметкой и размеченный обучающий корпус на 49.5 часа (train / val / test). Открытых чувашских данных такого масштаба ещё не было.

3 новых датасета687 322 сегмента49.5 ч ручной разметки
Смотреть данные →HuggingFace ↗

Послушайте, как это звучит

настоящие записи из тестовой выборки · расшифровки без правок
0:00 / 0:00
cv_29078544.mp3все модели справились
Эталон · Common VoiceЖурналистсем хускатнӑ ыйтусем хушшинче социаллӑ-экономика аталанӑвӗнчен пуҫласа Элтепер сывлӑхӗ таранах пулнӑ.
Aisar-smallЖурналистсем хускатнӑ ыйтусем хушшинче социаллӑ-экономика аталанӑвӗнчен пуҫласа Элтепер сывлӑхӗ таранах пулнӑ.WER 0%
Aisar-mediumЖурналистсем хускатнӑ ыйтусем хушшинче социаллӑ-экономика аталанӑвӗнчен пуҫласа Элтепер сывлӑхӗ таранах пулнӑ.WER 0%
Aisar-turboЖурналистсем хускатнӑ ыйтусем хушшинче социаллӑ-экономика аталанӑвӗнчен пуҫласа Элтепер сывлӑхӗ таранах пулнӑ.WER 0%
0:00 / 0:00
cv_22980135.mp3без ошибок — только turbo
Эталон · Common VoiceХӑшне-пӗрне кӑмӑллӑ паллашу, туслӑх, юрату кӗтет.
Aisar-smallКӑшне пӗрне кӑмӑллӑ паллӑ шут туслӑх юрату кӗтет.WER 67%
Aisar-mediumХӑшне пӗрне кӑмӑллӑ паллӑшу туслӑх юрату кӗтет.WER 50%
Aisar-turboХӑшне-пӗрне кӑмӑллӑ паллашу, туслӑх, юрату кӗтет.WER 0%
▸ Все примеры распознавания