/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Библиотека
transformers
Опубликована
20 дек 2025

wav2vec-khmer-english-medium

Распознавание речиАудио → текст9 профессий

Дообученная на аудиоданных модель Wav2Vec2 для распознавания речи на кхмерском и английском языках.

122скачиваний за 30 дней0лайковвеса обновлены20 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Akaash1/wav2vec-khmer-english-medium — модель распознавания речи на базе Wav2Vec2, дообученная на facebook/wav2vec2-xls-r-300m на данных OpenSLR и S4E16_Podcast. Она принимает аудио и преобразует речь в текст; в карточке указано значение WER 0,2868 на оценочном наборе. Модель содержит 402,8 млн параметров и использует архитектуру Wav2Vec2ForCTC.

Модель подходит для распознавания речи на кхмерском и английском языках, в том числе в подкастах. Распознавание основано на CTC. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация кхмерской речи
  • распознавание английской речи
  • создание текстовых расшифровок подкастов
  • автоматическое преобразование аудиозаписей в текст

Ограничения

В README не приведены подробности об ограничениях и условиях оценки; указан WER 0,2868 на оценочном наборе, что не гарантирует аналогичное качество на других аудиоданных.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

training

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the openslr, S4E16_Podcast dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6439
  • Wer: 0.2868

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 25
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.58531.21395003.53751.0
1.23992.427710000.98090.7112
0.8733.641615000.68670.5484
0.63484.855420000.58780.4702
0.52966.068025000.56600.4503
0.39547.281930000.53300.3988
0.34958.495735000.51230.3782
0.31189.709640000.53230.3663
0.278310.923545000.53480.3542
0.237512.136150000.55760.3394
0.202313.349955000.55660.3415
0.205314.563860000.57100.3295
0.17515.777665000.56840.3216
0.164316.991570000.59540.3080
0.142718.204175000.61280.3062
0.143219.418080000.63310.3075
0.120120.631885000.63850.3015
0.110121.845790000.63970.2911
0.112423.058395000.64590.2905
0.112324.2722100000.64390.2868

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.22.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
0dfe40c

0 моделей