/ Модель

Характеристики

Контекст
5 000 токенов
Лицензия
Apache 2.0
Архитектура
indicconformer · dense
Библиотека
transformers
Опубликована
11 дек 2025

indicconformer-hi-hybrid-rnnt-large-hf

Распознавание речиАудио → текст7 профессий

IndicConformer — совместимая с Transformers модель AI4Bharat для распознавания речи на хинди и других индийских языках.

348скачиваний за 30 дней1лайквеса обновлены11 дек 2025

Бенчмарки

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

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

Это совместимая с Hugging Face Transformers версия модели AI4Bharat IndicConformer для автоматического распознавания речи. Репозиторий основан на ai4bharat/indicconformer_stt_hi_hybrid_ctc_rnnt_large и адаптирует модель для использования со стандартными средствами Transformers вместо NeMo. Архитектура относится к семейству IndicConformer; метаданные указывают класс IndicConformerForCTC и форматы весов Safetensors.

Модель преобразует аудиозаписи речи в текст и рассчитана на языки Индии. README перечисляет хинди, телугу, бенгальский, тамильский, гуджарати и малаялам; теги метаданных содержат также ассамский, каннада, маратхи, ория, пенджаби, урду, непали, санскрит и другие языки региона. Для обучения указаны наборы Shrutilipi и Bhashini. Репозиторий распространяется по лицензии Apache-2.0. Число параметров в предоставленных данных отсутствует; заявленный контекст — 5000 токенов.

Сценарии применения

  • преобразование записей речи на хинди в текст
  • транскрибация аудио на телугу, бенгальском и тамильском языках
  • создание текстовых расшифровок многоязычных аудиозаписей из Индии

Ограничения

Качество распознавания для отдельных языков и условий записи в предоставленной карточке не оценено. Размер модели и рекомендуемые параметры аудио здесь не приведены.

Для каких профессий подходит7

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

IndicConformer Hindi ASR (HuggingFace Pipeline)

HuggingFace-compatible conversion of the AI4Bharat IndicConformer model. This enables using the model with standard HuggingFace Transformers patterns instead of NeMo.

Installation

pip install transformers torch torchaudio sentencepiece librosa

Quick Start (Pipeline API)

from huggingface_hub import snapshot_download
import sys

# Download model
model_path = snapshot_download("Anshul1212/indicconformer-hi-hybrid-rnnt-large-hf")
sys.path.insert(0, model_path)

# Import pipeline and model
from pipeline_indicconformer import IndicConformerASRPipeline
from modeling_indicconformer import IndicConformerForCTC

# Create pipeline
model = IndicConformerForCTC.from_pretrained(model_path)
pipe = IndicConformerASRPipeline(model=model, model_path=model_path)

# Transcribe
result = pipe("audio.wav")
print(result["text"])

Alternative: Auto Classes

import torch
import torchaudio
from transformers import AutoModel, AutoTokenizer, AutoFeatureExtractor

# Load components
model = AutoModel.from_pretrained("Anshul1212/indicconformer-hi-hybrid-rnnt-large-hf", trust_remote_code=True)
model.eval()

feature_extractor = AutoFeatureExtractor.from_pretrained("Anshul1212/indicconformer-hi-hybrid-rnnt-large-hf", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("Anshul1212/indicconformer-hi-hybrid-rnnt-large-hf", trust_remote_code=True)

# Load audio
waveform, sample_rate = torchaudio.load("audio.wav")

# Extract features and transcribe
inputs = feature_extractor(waveform.squeeze().numpy(), sampling_rate=16000, return_tensors="pt")

with torch.no_grad():
    predicted_ids = model.generate(
        input_features=inputs['input_features'],
        language='hi',
        decoder_mode='rnnt'
    )
    text = tokenizer.decode(predicted_ids[0])

print(text)

GPU Inference

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

input_features = inputs['input_features'].to(device)

with torch.no_grad():
    predicted_ids = model.generate(input_features=input_features, language='hi', decoder_mode='rnnt')
    text = tokenizer.decode(predicted_ids[0])

CTC Decoding

with torch.no_grad():
    predicted_ids = model.generate(
        input_features=inputs['input_features'],
        language='hi',
        decoder_mode='ctc'
    )
    text = tokenizer.decode(predicted_ids[0], use_ctc=True)

Supported Languages

CodeLanguageCodeLanguage
hiHinditeTelugu
bnBengalitaTamil
guGujaratimlMalayalam
mrMarathiknKannada
paPunjabiorOdia
asAssameseurUrdu
neNepalisaSanskrit
sdSindhikokKonkani
doiDogrimaiMaithili
mniManipuribrxBodo
satSantaliksKashmiri

Citation

@misc{indicconformer2024,
  title={IndicConformer: Conformer-based ASR for Indian Languages},
  author={AI4Bharat},
  year={2024},
  publisher={Hugging Face},
  url={https://huggingface.co/ai4bharat/indicconformer_stt_hi_hybrid_ctc_rnnt_large}
}

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
IndicConformerForCTC
Ревизия весов
be1c2c8

0 моделей