/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
14 сен 2026

aci-yoruba-phase9

Распознавание речиАудио → текст3 профессии

Модель Wav2Vec2 для распознавания речи на йоруба с декодером KenLM и постобработкой типичных ошибок написания.

357скачиваний за 30 дней0лайковвеса обновлены24 сен 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.

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

ACI Yoruba Phase 9 — модель автоматического распознавания речи на базе Wav2Vec2, опубликованная Awesome-x. Репозиторий содержит акустические веса Phase 8, декодер KenLM на 5-граммах с параметрами alpha=0.5 и beta=1.0, а также фонетическую карту для исправления распространённых ошибок написания при распознавании. Число параметров — около 402,7 млн; веса сохранены в формате safetensors.

Модель предназначена для преобразования аудиозаписей на йоруба в текст. В README указана оценка WER 12,63% на отложенной выборке из 55 примеров после симметричного удаления пунктуации из предсказаний и эталонов. Разработчики рекомендуют для производственного применения более позднюю модель Phase X, которая показала более низкий WER на том же тесте; Phase 9 сохранена для воспроизводимости. Лицензия — Apache 2.0.

Сценарии применения

  • транскрибация записей речи на йоруба
  • распознавание йоруба в аудиоматериалах
  • сравнение декодеров и акустических моделей для ASR на йоруба

Ограничения

В оценке на отложенной выборке из 55 примеров WER составил 12,63%; тестовая метрика рассчитана без учёта пунктуации. Для производственного применения авторы рекомендуют Phase X с более сильной конфигурацией декодера.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ACI Yoruba Phase 9

Self-contained bundle: Phase 8's acoustic weights paired with a 5-gram KenLM decoder (alpha=0.5, beta=1.0) and a phonetic post-processing map for common ASR spelling errors.

Evaluation

Measured on a 55-sample held-out set (never used in any training for this model or its predecessors). WER reported with punctuation stripped symmetrically from both prediction and reference, since this model's vocabulary does not produce punctuation tokens.

ModelWER (held-out, normalized)
Phase 912.63%
Phase 10 (fine-tuned acoustics)12.33%
Phase X (stronger decoder config)7.09%

For production use, see Awesome-x/aci-yoruba-phaseX, which uses a stronger KenLM weighting and a larger unigram vocabulary for meaningfully better results on the same benchmark. Phase 9 is kept available for reproducibility and as the base this lineage was built from.

Quickstart

pip install torch transformers pyctcdecode librosa
import torch
import librosa
from transformers import Wav2Vec2ForCTC, Wav2Vec2ProcessorWithLM

REPO_ID = "Awesome-x/aci-yoruba-phase9"
model = Wav2Vec2ForCTC.from_pretrained(REPO_ID)
processor = Wav2Vec2ProcessorWithLM.from_pretrained(REPO_ID)

audio, sr = librosa.load("sample.wav", sr=16000)
input_values = processor(audio, sampling_rate=16000, return_tensors="pt").input_values

with torch.no_grad():
    logits = model(input_values).logits

print(processor.decode(logits[0].numpy()).text)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
24e1f25

0 моделей