/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
27 июн 2026

wav2vec2-base-demo-google-colab

Распознавание речиАудио → текст4 профессии

Дообученная на неизвестном наборе данных модель wav2vec 2.0 для автоматического распознавания речи и преобразования аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены27 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.

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

Butt011/wav2vec2-base-demo-google-colab — модель распознавания речи на базе wav2vec 2.0, дообученная автором репозитория поверх facebook/wav2vec2-base. Веса имеют архитектуру Wav2Vec2ForCTC, содержат 113,3 млн параметров и опубликованы в формате safetensors. Модель принимает аудио и предназначена для автоматического преобразования речи в текст.

В карточке приведены результаты оценки: loss 0,1487 и WER 1,035. Датасет, язык речи и условия оценки не раскрыты, поэтому по этим значениям нельзя надёжно судить о практическом качестве или определить подходящие языки. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание устной речи в приложении
  • создание черновой расшифровки аудио для последующей проверки

Ограничения

Язык и состав обучающего набора данных не раскрыты. В README указан WER 1,035, но без описания тестового набора и условий оценки этот результат трудно интерпретировать.

Для каких профессий подходит4

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

wav2vec2-base-demo-google-colab

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1487
  • Wer: 1.035

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • 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: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.02675.05001.63051.0
0.699810.010000.28911.09
0.274015.015000.18741.08
0.194220.020000.15261.035
0.154725.025000.13791.04
0.129330.030000.14871.035

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.0
  • 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
127ea2f

0 моделей