Sunbird/asr-whisper-51-african-languages
!WARNING This is a preview release. The model weights will change between now and the final release. Benchmark numbers, prompt behaviour and output quality may all shift. Please don't pin production systems to this checkpoint — treat it as a preview...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🎙️ Whisper phi châu lớn: nhận dạng giọng nói 51 ngôn ngữ phi châu Phi
Mô hình ASR dựa trên Whisper large-v3, tối ưu cho 51 ngôn ngữ phi châu Phi, vượt trội hằng đầu so với các giải pháp thương mại.
Đây là bản cập nhật trước của mô hình Sunbird, được xây dựng từ Whisper large-v3 và huwenjie333/whisper-v3-ft-af51, hỗ trợ nhận dạng giọng nói tự động (ASR) cho 51 ngôn ngữ và giọng nói phổ biến ở châu Phi như Swahili, Afrikaans, Tswana, Kinyarwanda, Nigerian Pidgin, Luganda, Acholi, Lugbara, Akan, Amharic, Bambara, Bemba, Berber, Chichewa, Dagaare, Dagbani, Ewe, Fulani, Hausa, Igbo, Kabyle, Kalenjin, Kanuri, Kikuyu, Lendu, Lingala, Luhya, Luo, Malagasy, Ndebele, Oromo, Rukonjo, Ruruuli, Shona, Somali, Sotho, Thur, Wolof, Xhosa, Yoruba, Zulu cùng tiếng Anh và tiếng Pháp mang giọng độc đáy châu Phi.
✨ Điểm nổi bật
- Hỗ trợ 51 ngôn ngữ: Bao phủ rộng lớn các ngôn ngữ phi châu Phi, bao gồm cả tiếng Anh và tiếng Pháp với giọng nói địa phương.
- Tích hợp trên Hugging Face Transformers: Dễ dàng sử dụng thông qua thư viện transformers của Hugging Face.
- So sánh hiệu suất: Đạt WER và CER thấp hơn so với Gemini 1.5 Flash, GPT-4o Transcribe và omniASR của Meta trên hầu hết ngôn ngữ phi châu Phi.
- Công cụ hỗ trợ thử nghiệm: Cung cấp notebook Colab để người dùng dễ dàng thử nghiệm với file âm thanh từ dataset, tải lên hoặc ghi âm trực tiếp.
- Tùy chỉnh ngôn ngữ: Hỗ trợ chỉ định ngôn ngữ trong quá trình sinh để cải thiện độ chính xác.
- Mã nguồn mở: Phát hành dưới giấy phép Apache 2.0, cho phép sử dụng và điều chỉnh tự do.
💡 Vì sao đáng chú ý
Mô hình này không chỉ mở rộng phạm vi hỗ trợ ngôn ngữ mà còn chứng minh hiệu suất vượt trội so với các giải pháp thương mại hàng đầu như Gemini 1.5 Flash, GPT-4o Transcribe và omniASR của Meta. Điều này cho thấy tiềm năng lớn của mô hình mở nguồn trong việc giải quyết thách thức nhận dạng giọng nói cho các ngôn ngữ thiểu số và có nguồn lực hạn chế.
Đặc biệt phù hợp cho các nhà nghiên cứu, nhà phát triển và cộng đồng phi châu Phi muốn xây dựng ứng dụng nhận dạng giọng nói đa ngôn ngữ mà không cần phụ thuộc vào các dịch vụ thương mại.
#ASR #Whisper #AfricanLanguages #OpenSource #HuggingFace #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
SunflowerASR: speech recognition for 51 African languages SunflowerASR is an adaptation of Whisper large-v3(https://huggingface.co/openai/whisper-large-v3) that supports Automatic Speech Recognition (ASR) for 51 languages widely spoken in Africa: En...
GlotLID !GlotLID(https://img.shields.io/badge/🤗-Open%20In%20Spaces-blue.svg)(https://huggingface.co/spaces/cis-lmu/glotlid-space) Description GlotLID is a Fasttext language identification (LID) model that supports more than 2000 labels. Latest: Glo...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
MixLID Token-Level Language Identification in Mixed-Language Text Demo: Hugging Face Space(https://huggingface.co/spaces/hongst/MixLID) Paper: Coming soon. MixLID identifies the language of individual tokens, including short expressions embedded in...
Model Card for Aya 101 Model Summary The Aya model is a massively multilingual generative language model that follows instructions in 101 languages. Aya outperforms mT0(https://huggingface.co/bigscience/mt0-xxl) and BLOOMZ(https://huggingface.co/big...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...