/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
nemo
Опубликована
8 июл 2025

Mbaza-ASR-Afrivoice-660h

Распознавание речиАудио → текст6 профессий

Модель NeMo на базе Conformer-CTC для транскрибирования речи на киньяруанда из монофонических WAV-записей.

12скачиваний за 30 дней5лайковвеса обновлены24 сен 2025

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

DigitalUmuganda/Mbaza-ASR-Afrivoice-660h — модель автоматического распознавания речи, опубликованная DigitalUmuganda для работы в NVIDIA NeMo. Это акустическая модель на архитектуре Conformer с CTC, предназначенная для транскрибирования аудио и доступная как предварительно обученный чекпойнт для инференса или дообучения на другом наборе данных. Модель принимает монофонические WAV-записи с частотой дискретизации 16 кГц. По метаданным она связана с набором данных Afrivoice_Kinyarwanda и ориентирована на киньяруанда.

Модель распространяется по лицензии CC BY 4.0. В карточке не приведены размер модели, длина контекста или оценка качества; пригодность для других языков и акустических условий не подтверждена.

Сценарии применения

  • транскрибирование записей речи на киньяруанда
  • распознавание речи в аудиофайлах WAV с частотой 16 кГц
  • подготовка черновых расшифровок киньяруандских аудиозаписей
  • дообучение распознавателя речи на другом наборе аудиоданных

Ограничения

Для входа требуются монофонические WAV-записи с частотой дискретизации 16 кГц. В карточке не сообщаются метрики качества, размер модели или подтверждённая поддержка других языков.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

Dependencies

To train, fine-tune or play with the model you will need to install NVIDIA NeMo.

For inference just run:

pip install nemo_toolkit['all']

How to Use this Model

The model is available for use in the NeMo toolkit, and can be used as a pre-trained checkpoint for inference or for fine-tuning on another dataset.

Load the model weights

import nemo.collections.asr as nemo_asr
asr_model = nemo_asr.models.ASRModel.from_pretrained("DigitalUmuganda/Mbaza-ASR-Afrivoice-660h")

Transcribing using Python

asr_model.transcribe(['<audio_sample>'])

Transcribing many audio files

python [NEMO_GIT_FOLDER]/examples/asr/transcribe_speech.py  pretrained_name="DigitalUmuganda/nemo_kin_pretrained_800h_retrained_tokenizer"  audio_dir="<DIRECTORY CONTAINING AUDIO FILES>"

Input

This model accepts 16000 KHz Mono-channel Audio (wav files) as input.

Как запустить

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

GPU в ailist

Универсальный рантайм · nemo

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
b0f6082

0 моделей