/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
aci-yoruba-phase2
Библиотека
transformers
Опубликована
14 июн 2026

Ссылки

Hugging Face

aci-yoruba-phase3

Awesome-x
Распознавание речиАудио → текст5 профессий

Дообученная Wav2Vec2-модель для преобразования речи на йоруба в текст.

11скачиваний за 30 дней0лайковвеса обновлены20 июн 2026

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.

Открыть конструктор бенчмарка

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

Awesome-x разработала aci-yoruba-phase3 как дообученную модель распознавания речи на архитектуре Wav2Vec2 с CTC-декодированием. Она принимает аудио и преобразует речь в текст; модель содержит 402,7 млн параметров и распространяется в формате Safetensors через библиотеку Transformers. Модель рассчитана на распознавание речи на йоруба, что следует из названия модели и базовой модели Awesome-x/aci-yoruba-phase2.

Модель может подойти для транскрибации аудиозаписей и построения систем распознавания речи на йоруба. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. Данные обучения и оценки, а также конкретные ограничения качества в карточке не описаны.

Сценарии применения

  • транскрибация записей на йоруба
  • распознавание речи на йоруба в приложении
  • создание субтитров к аудио на йоруба

Ограничения

В README не приведены сведения о датасете, оценке качества и конкретных ограничениях распознавания.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

aci-yoruba-phase3

This model is a fine-tuned version of Awesome-x/aci-yoruba-phase2 on an unknown dataset.

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: 5e-05
  • train_batch_size: 2
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 200
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.8.5
  • Tokenizers 0.22.2

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
f85c3cb

0 моделей

    Создать бенчмарк