--- name: whisper-term-adaptation description: "Подготавливать многоголосый датасет русских технических терминов, дообучать конкретную базу Whisper через LoRA, экспортировать модель для faster-whisper и проверять субтитры. Использовать для локальной адаптации словаря Whisper на синтетической речи." --- # Whisper term adaptation Подготовить переносимые произношения терминов, затем при наличии точной HF-базы обучить общий Whisper LoRA и проверить распознавание на отдельном звуке. Программы работают без LLM; большие модели и WAV хранить вне скилла. Читайте только сведения для текущего этапа: - Датасет и TTS: [prepare.md](). Фиксированные голоса — `assets/voices.json`, пример словаря — `assets/poldnev-terms.json`. - CPU-обучение, возобновление и CT2-экспорт: [training.md](). - Субтитры и сравнение точности: [evaluation.md](). - Интерактивный отчёт сравнения: [report-ui.md]() — плеер слева сверху с полным экраном, переходы за 3 секунды до ошибки, модальное сравнение четырёх подходов и подсказки таблиц. Каталог терминов без ссылок на слова. Читать при создании или изменении HTML-отчёта. - Переносимый архив результата: [portable-result.md](). Читать при упаковке отчёта, медиа, моделей и плагина. - Полный `run`, пословный `catalog`, `word-pack` и `audit`: [programs.md](). - Изменение программ или проверка качества: [quality.md](), затем относящиеся к задаче пункты [verified-fixes.md](). - Выводы конкретного опыта: [acceptance.md]() и [experiment-result.json](). Они не задают лучший рецепт для нового словаря. Исполняемые команды находятся в `scripts/adapt.py` и `scripts/workflow.py`; плагин предоставляет `bin/whisper-terms`. Общие проверки входов, split и provenance находятся в `scripts/contracts.py`, тесты — в `tests/`. Запускайте тяжёлые процессы последовательно. Проверяйте обновление LoRA на одном шаге перед полным обучением. Не включайте контрольные записи и дословные тестовые фразы в обучение. Адаптер привязан к точным весам HF-базы; переноса одних весов между small/large нет. CTranslate2 подходит для инференса, не для обучения. Сохраняйте исходные результаты. Пословные карточки содержат данные и результаты, SHA общего адаптера и фактическую экспозицию; отдельных тензоров по словам они не обещают. Наличие слова в гипотезе не доказывает точность. Машинный эталон явно подписывайте; при провале заранее выбранных критериев рекомендуйте исходную модель. Верните датасет, адаптер, CT2-модель, параметры, результаты сравнения и команду применения. Без указанной модели верните пакет WAV/текстов и каталог, без заявления об обученных весах.