/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
21 апр 2025

Ссылки

Hugging Face

w2v-bert-2.0-chichewa_34_307h

CLEAR-Global
Распознавание речиАудио → текст7 профессий

Модель распознаёт речь на чичева и преобразует аудио в текст.

221скачиваний за 30 дней1лайквеса обновлены22 апр 2025

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

Модель CLEAR-Global/w2v-bert-2.0-chichewa_34_307h — версия facebook/w2v-bert-2.0, дообученная CLEAR Global для автоматического распознавания речи на языке чичева. Она использует архитектуру Wav2Vec2BertForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст; обучение проводилось на наборе CLEAR-GLOBAL/CHICHEWA_34_307H - NA. В README приведены результаты оценки: WER 0,3856 и CER 0,1100. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация записей речи на чичева
  • распознавание устных сообщений на чичева
  • подготовка текстовых расшифровок аудиозаписей на чичева

Ограничения

На оценочном наборе указаны WER 0,3856 и CER 0,1100; качество на других данных может отличаться. README не описывает подробные ограничения и условия применения.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.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 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

w2v-bert-2.0-chichewa_34_307h

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the CLEAR-GLOBAL/CHICHEWA_34_307H - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2792
  • Wer: 0.3856
  • Cer: 0.1100

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: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 100000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
2.72350.289610002.94050.98540.8901
0.18020.579220000.92850.68570.2027
0.14040.868830000.65840.57230.1737
0.04461.158440000.54580.54950.1613
0.0511.448050000.50790.52970.1528
0.03261.737660000.55070.51110.1529
0.0332.027270000.49400.47740.1412
0.03412.316880000.47840.49540.1410
0.03082.606490000.41400.49810.1390
0.02162.8960100000.39970.46890.1340
0.02623.1856110000.39430.47160.1374
0.02163.4752120000.36000.44630.1306
0.01373.7648130000.33480.42860.1236
0.01544.0544140000.35590.42900.1247
0.01474.3440150000.34980.42340.1232
0.03344.6337160000.36060.42610.1236
0.00974.9233170000.33840.40540.1176
0.00995.2129180000.32860.43230.1237
0.01675.5025190000.32600.41920.1210
0.00975.7921200000.31960.41980.1220
0.01016.0817210000.31730.41210.1177
0.01526.3713220000.30830.39430.1132
0.01166.6609230000.31920.41190.1157
0.01656.9505240000.32160.41170.1186
0.00717.2401250000.30190.38280.1134
0.01257.5297260000.30020.39750.1144
0.00567.8193270000.30250.39240.1131
0.01378.1089280000.29180.38760.1122
0.00628.3985290000.28740.38450.1138
0.00668.6881300000.27930.38470.1100
0.01818.9777310000.28270.36420.1070
0.00459.2673320000.28900.38780.1152
0.00439.5569330000.30490.40210.1164
0.01139.8465340000.28550.37590.1085
0.011910.1361350000.29920.37820.1120

Framework versions

  • Transformers 4.48.1
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
283bd21

0 моделей

    Создать бенчмарк