/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
6 июл 2026

sau-zipformer-asr

Распознавание речиАудио → текст

Zipformer2 Transducer в формате ONNX для распознавания речи на саудовском диалекте арабского языка.

0скачиваний за 30 дней0лайковвеса обновлены19 авг 2026

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

Antares97 разработал Zipformer2 Transducer для распознавания устной речи на саудовском диалекте арабского языка. Модель обучена на арабских данных GigaSpeech3 с использованием icefall и опубликована в формате ONNX: репозиторий содержит отдельные компоненты энкодера, декодера и joiner. Для декодирования используется ONNX Runtime.

Модель предназначена для преобразования саудовской арабской речи в текст. В README рекомендуют вариант M2_0818_fixed — переобученную версию с исправленной нормализацией текста, усреднённую по пяти эпохам. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены показатели точности или оценка устойчивости к другим диалектам и условиям записи.

Сценарии применения

  • транскрибация устной речи на саудовском диалекте
  • создание арабских субтитров для аудиозаписей
  • распознавание саудовской арабской речи в речевых приложениях

Ограничения

В карточке не приведены показатели точности и результаты сравнительных тестов. Поддержка других арабских диалектов и устойчивость к шуму не заявлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Saudi Arabic Zipformer2 ASR (ONNX)

Zipformer2 Transducer models for Saudi Arabic (SAU) dialect speech recognition, trained on GigaSpeech3 Arabic data with the icefall framework.

Contents

FileDescription
onnx/encoder-*.onnxEncoder (Conv2dSubsampling + Zipformer2 + encoder projection)
onnx/decoder-*.onnxPrediction-network decoder
onnx/joiner-*.onnxJoiner output layer
tokens.txtBPE token table (SentencePiece unigram 500)
unigram_500.modelSentencePiece BPE model

Models

NameDescription
M2_0818_fixedtextnorm-fixed retrain, epoch 30 avg 5 (recommended)
M2 (ebra_batch1n2_sada_haitian)ebra batch1n2 + sada + haitian, epoch 25 avg 5

Usage

Decode with ONNX Runtime. See the demo Space for a complete example:

  • Encoder: fbank (80-dim) → encoder_out (N, T', 512), encoder_out_lens (N,)
  • Decoder: token ids (N, 2) → decoder_out (N, 512)
  • Joiner: encoder_out + decoder_out → tanh → linear → logits (N, 500)

License

Apache-2.0. Trained on GigaSpeech3 Arabic data.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
4712145

0 моделей