Sunbird/SunflowerASR-51-african-languages
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...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Ngày
#1 Repository Của Ngày
🗣️ SunflowerASR: Nhận dạng giọng nói 51 ngôn ngữ phi lãnh thổ từ Sunbird AI
Mô hình ASR dựa trên Whisper large-v3, hỗ trợ 51 ngôn ngữ được nhiều người dùng ở châu Phi, được huấn luyện bởi Sunbird AI.
SunflowerASR là phiên bản tinh chỉnh của Whisper large-v3, hỗ trợ nhận dạng giọng nói tự động (ASR) cho 51 ngôn ngữ châu Phi bao gồm tiếng Anh, tiếng Pháp (với giọng nói châu Phi), Swahili, Afrikaans, Tswana, Kinyarwanda, Nigerian Pidgin, Luganda, Acholi, Lugbara, Ateso, Runyankole, Rutooro, Lumasaba, Lusoga, Rukiga, Akan, Amharic, Bambara, Bemba, Berber, Chichewa, Dagaare, Dagbani, Ewe, Fulani, Hausa, Igbo, Ikposo, Kabyle, Kalenjin, Kanuri, Kikuyu, Kwamba, Lendu, Lingala, Luhya, Luo, Malagasy, Ndebele, Oromo, Rukonjo, Ruruuli, Shona, Somali, Sotho, Thur, Wolof, Xhosa, Yoruba, và Zulu.
Được huấn luyện bởi Sunbird AI qua hai giai đoạn: tinh chỉnh toàn bộ tham số trên 7.412 giờ giọng nói châu Phi, sau đó là một lượt tối ưu bằng Group Relative Policy Optimisation (GRPO) nhằm giảm trực tiếp tỷ lệ lỗi ký tự (CER). SunflowerASR là một phần của Sunflower V2.
✨ Điểm nổi bật
- Hỗ trợ 51 ngôn ngữ châu Phi: Bao phủ các ngôn ngữ được nhiều người dùng ở châu Phi.
- Tinh chỉnh dựa trên Whisper large-v3: Sử dụng kiến trúc mạnh mẽ của Whisper làm nền tảng.
- Huấn luyện hai giai đoạn: Fine-tuning toàn bộ tham số + tối ưu GRPO.
- Tối ưu CER trực tiếp: Sử dụng GRPO để tối ưu chỉ số lỗi ký tự.
- Kết quả xuất sắc: Đạt WER thấp nhất so với các mô hình khác trên ba bộ chuẩn đo.
- Hỗ trợ fine-tuning thêm: Có thể dùng làm điểm khởi đầu để tinh chỉnh cho ngôn ngữ, miền nhất định.
💡 Vì sao đáng chú ý
SunflowerASR nổi bật vì kết hợp fine-tuning truyền thống với tối ưu dạng thể chính sách (GRPO), một bước tiến so với cách tiếp cận chỉ dựa trên supervised fine-tuning thông thường. Đặc biệt, mô hình đạt kết quả tốt nhất trên cả ba bộ chuẩn đo lớn: Sunbird Speech Benchmark, AfriVox-v2 và SimbaBench, bao gồm cả các mô hình lớn như Meta Omnilingual ASR, Gemini, GPT-4o-transcribe, Sahara v2 và Simba.
Tuy nhiên, chất lượng không đồng đều giữa các ngôn ngữ — người dùng nên kiểm tra số liệu từng ngôn ngữ trước khi áp dụng vào trường hợp thực tế.
#ASR #Whisper #SunbirdAI #AfricanLanguages #GRPO #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
!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...
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...