/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY 4.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
28 июл 2026

formosan-asr-amis

Распознавание речиАудио → текст3 профессии

Модель распознаёт речь на языке ами и преобразует аудио в текст для документирования, обучения и исследовательской работы.

118скачиваний за 30 дней0лайковвеса обновлены28 июл 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

FormosanBank/formosan-asr-amis — модель автоматического распознавания речи на языке ами. Это дообученный вариант XLS-R 53 на базе facebook/wav2vec2-large-xlsr-53 с 402,7 млн параметров. Обучение включало продолженное самообучение на пан-формозских аудиоданных, supervised-обучение распознаванию речи и адаптацию к ами.

Модель принимает аудио и выдаёт текстовую транскрипцию. Она предназначена для исследования, обучения, документирования и поддержки возрождения языка ами. В описанном протоколе оценки на шести тестовых корпусах получены нормализованные micro WER 7,67% и CER 1,89%; результаты зависят от корпуса и условий записи. Для использования Transformers доступен pipeline automatic-speech-recognition. Лицензия — CC BY 4.0.

Сценарии применения

  • транскрибирование записей речи на ами
  • подготовка черновых расшифровок для языковых архивов
  • создание учебных материалов на языке ами
  • поддержка проектов по документированию и возрождению языка ами

Ограничения

Качество заметно различается между корпусами и зависит от говорящего, условий записи, диалекта, стиля речи и орфографии; модель может пропускать, заменять или выдумывать слова. Перед использованием транскрипций в архивах, публикациях и учебных материалах рекомендуется проверка человеком.

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

Formosan ASR — Amis

This is FormosanBank's current general-purpose automatic speech recognition checkpoint for Amis. It was selected by the lowest normalized micro word error rate among the completed language-level TACL systems evaluated on the same frozen all-corpora test partition.

Model

  • Repository: FormosanBank/formosan-asr-amis
  • Architecture family: XLS-R 53
  • Training path: train-only pan-Formosan continued pretraining, pan-Formosan supervised fine-tuning, and language adaptation
  • Base model: facebook/wav2vec2-large-xlsr-53
  • Parameters are stored in model.safetensors

Training lineage

  1. Base checkpoint: facebook/wav2vec2-large-xlsr-53.
  2. Continued self-supervised pretraining on the frozen pan-Formosan training partition only; development and test audio were excluded.
  3. Supervised pan-Formosan ASR training, then adaptation to the target language's pooled training corpora.

The target-language supervised stage used Bible, ILRDF, NTU, ePark1, ePark2, ePark3. The experiment used dataset_v1, frozen split_v2, normalization formosan_safe_v1, and seed 13. Full machine-readable provenance is included in training_config.json.

Evaluation

Evaluation uses the frozen, leakage-controlled split_v2 test manifests and normalized text. Metrics are computed by summing edit counts across all available Amis test corpora, so larger corpora contribute in proportion to their reference tokens.

  • Normalized micro WER: 7.67%
  • Normalized micro CER: 1.89%
  • Test utterances: 3,601
  • Test corpora: 6
  • Automated readiness: review

The automated readiness label is review, with zero hard failures. The retained warning is recorded in readiness_summary.json and should be considered when reproducing or promoting the checkpoint.

CorpusUtterancesWERCER
Bible10293.04%0.94%
ILRDF56813.18%4.10%
NTU6633.33%7.84%
ePark143919.28%3.60%
ePark22757.35%1.20%
ePark3122411.11%2.39%

Detailed edit counts are provided in evaluation_results.json and metrics_by_corpus.tsv.

These figures are specific to the frozen TACL evaluation protocol. They should not be compared directly with the April 2026 stage-one releases, which used a different experiment snapshot.

Usage

from transformers import pipeline

repo_id = "FormosanBank/formosan-asr-amis"
transcribe = pipeline("automatic-speech-recognition", model=repo_id)
result = transcribe("path/to/16khz_audio.wav")
print(result["text"])

For long recordings, segment the audio before inference. The training recipe used utterances between 2 and 20 seconds.

Intended use

This checkpoint supports research, education, language documentation, and revitalization work involving Amis. Human review is recommended before using transcriptions in archives, publications, teaching materials, or other consequential settings.

Limitations

Performance varies substantially across corpora, speakers, recording conditions, dialects, speaking styles, and orthographic conventions. The aggregate score can hide weak performance on a particular corpus. The model may omit, substitute, or hallucinate words and should not be treated as an authoritative transcription source.

Data provenance

Training and evaluation artifacts come from the frozen Hunter Formosan TACL pipeline. Source corpus IDs can include Bible, ILRDF, NTU, ePark1, ePark2, ePark3, Xuan, YeddaPalemeqBlog, Youtube, and YutasWilang, depending on language availability. Audio is not redistributed in this repository. Underlying recordings retain their original rights and access conditions.

License and attribution

This model release and FormosanBank annotations/metadata are provided under CC BY 4.0. The upstream facebook/wav2vec2-large-xlsr-53 checkpoint is distributed under Apache 2.0. Users remain responsible for respecting the terms associated with underlying source recordings.

Please cite FormosanBank:

@misc{mohamed2024formosanbank,
  author = {Mohamed, W. and Le Ferrand, É. and Sung, L.-M. and Prud'hommeaux, E. and Hartshorne, J. K.},
  title = {FormosanBank},
  year = {2024},
  note = {Electronic Resource},
  url = {https://ai4commsci.gitbook.io/formosanbank}
}

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
dc62798

0 моделей