/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
9 июл 2026

nemotron-3.5-asr-streaming-hausa

Распознавание речиАудио → текст3 профессии

Потоковая модель EYEDOL для транскрипции речи на хауса, дообученная на дополнительных аудиоданных.

103скачиваний за 30 дней0лайковвеса обновлены12 окт 2026

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

Nemotron 3.5 ASR Streaming — Hausa (ha-NG) Fine-Tune, Round 2 — модель распознавания хауса в потоковой речи от EYEDOL. Это продолженное дообучение чекпойнта EYEDOL/nemotron-3.5-asr-streaming-hausa на 41,2 часа аудиозаписей на хауса в течение ещё 15 эпох; исходная линия восходит к nvidia/nemotron-3.5-asr-streaming-0.6b. Модель использует архитектуру FastConformer-RNNT согласно метаданным.

Модель предназначена для потоковой транскрипции речи на хауса, включая обработку аудио чанками с сохранением состояния энкодера и декодера. В описанной оценке с задержкой 80 мс и без lookahead она достигла WER 34,99%, CER 10,35% и CER без пробелов 10,12% на тестовой выборке с разделением по дикторам. При подготовке данных специальные хауса-буквы нормализовали до латинских эквивалентов, что может влиять на передачу орфографии в результате.

Для загрузки автор указывает NeMo ASR и метод from_pretrained; лицензия в метаданных обозначена как other, поэтому конкретные условия следует проверять в репозитории. Оценка в README относится к указанному тестовому набору и режиму потокового вывода и сама по себе не гарантирует качество на других данных.

Сценарии применения

  • потоковая транскрипция речи на хауса
  • распознавание хауса в аудиопотоке с низкой задержкой
  • создание черновых субтитров на хауса
  • преобразование записей на хауса в текст

Ограничения

В описанной оценке WER составил 34,99%, поэтому ошибки распознавания остаются заметными. Транскрипты обучающих данных нормализовали, заменяя хауса-буквы ɗ, ɓ, ƙ и ƴ латинскими d, b, k и y; качество за пределами оценённого набора и режима потоковой обработки не установлено.

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

Nemotron 3.5 ASR Streaming — Hausa (ha-NG) Fine-Tune, Round 2

Continued fine-tune of EYEDOL/nemotron-3.5-asr-streaming-hausa (itself a fine-tune of nvidia/nemotron-3.5-asr-streaming-0.6b) for 15 additional epochs on Hausa speech data.

Training data

  • 41.2 hours of Hausa speech from [EYEDOL/naija-voices-hausa-split_1-6 + EYEDOL/naija-voices-hausa-split_1-7](https://huggingface.co/datasets/EYEDOL/naija-voices-hausa-split_1-6 + EYEDOL/naija-voices-hausa-split_1-7).
  • Held out 56 speakers (speaker-disjoint, audited for zero train/test overlap — see Section 3b) for evaluation.
  • Transcripts normalized: Hausa hooked consonants (ɗ ɓ ƙ ƴ and uppercase variants) mapped to plain Latin equivalents (d b k y) before training, same as round 1.

Evaluation

Metrics measured on the held-out speaker-disjoint test set using true cache-aware streaming inference (chunked audio, carried encoder/decoder state — not an offline full-utterance shortcut), att_context_size=[56,0] (80ms chunk, 0ms lookahead).

No-space CER (CER computed after stripping spaces from both reference and hypothesis) is reported alongside WER to separate genuine character-level recognition errors from word-boundary/segmentation differences.

ModelWER (%)CER (%)No-space CER (%)
Round 1 (before this run)35.5610.6410.40
Round 2 (15 more epochs, this checkpoint)34.9910.3510.12

Full evaluation reports (model/manifest paths, hashes, elapsed time, RTFx) are written to eval_round1/report.json and eval_round2/report.json and included in training_log.txt above.

Usage

import nemo.collections.asr as nemo_asr

model = nemo_asr.models.ASRModel.from_pretrained("EYEDOL/nemotron-3.5-asr-streaming-hausa")
# Streaming inference: see speech_to_text_cache_aware_streaming_infer.py in NeMo's repo.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
a91c24e

0 моделей