/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
3 мар 2026

w2v-bert-2.0-hungarian-CV24.0

Распознавание речиАудио → текст8 профессий

Дообученная на Common Voice модель распознаёт венгерскую речь в аудиозаписях и преобразует её в текст.

2 083скачиваний за 30 дней0лайковвеса обновлены27 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

Модель GaborMadarasz/w2v-bert-2.0-hungarian-CV24.0 разработана как дообученная версия facebook/w2v-bert-2.0 для автоматического распознавания венгерской речи. Это акустическая модель архитектуры Wav2Vec2-BERT на 402,7 млн параметров, принимающая аудио и преобразующая его в текст. Она обучена на венгерской части набора Common Voice Scripted Speech 24.0 и предназначена для транскрибации записанной речи.

В карточке приведены результаты оценки на тестовых данных Common Voice: WER 5,65%, CER 1,47% и SER 32,26% для 12 066 примеров. Результаты показывают пригодность для распознавания венгерской речи в условиях, похожих на тестовый набор, но ошибки на отдельных примерах могут быть значительными. Для загрузки README рекомендует скачать репозиторий и выполнять инференс локально из-за проблем с разрешением метаданных токенизатора в загрузчике Hugging Face. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация записей на венгерском языке
  • создание субтитров к венгерской речи
  • распознавание речи из подкастов и лекций на венгерском
  • подготовка текстовых расшифровок венгерских аудиоматериалов

Ограничения

Качество оценено на тестовом наборе Common Voice, поэтому оно может отличаться на других акцентах, акустических условиях и типах речи; в README также приведены отдельные примеры с крупными ошибками. Для загрузки указана возможная проблема разрешения метаданных токенизатора через загрузчик Hugging Face; рекомендован локальный запуск.

Для каких профессий подходит8

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

w2v-bert-2.0-hungarian-CV24.0

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the Common Voice Scripted Speech 24.0 - Hungarian dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1203
  • Wer: 0.0781

Evaluation data

Results on the Common Voice Scripted Speech 24.0 - Hungarian test dataset

================================================================================ EVALUATION RESULTS SUMMARY

                      Metric  Value    Std
       Word Error Rate (WER)  5.65% 11.90%
  Character Error Rate (CER)  1.47%  4.23%
   Sentence Error Rate (SER) 32.26% 46.75%
      Match Error Rate (MER)  5.42% 10.49%
 Word Information Lost (WIL)  8.50% 15.24%     

Word Information Preserved (WIP) 91.50% 15.24%

            Total Samples  12066    

================================================================================ SAMPLE ERRORS (Highest WER)

--- Sample 1 (WER: 450.00%, CER: 254.55%) --- Reference: chet greene Hypothesis: chet|gren|egy|ilyen|tisztázás|nek|áa|| Insertions: 28 Deletions: 0 Substitutions: 0

--- Sample 2 (WER: 150.00%, CER: 14.29%) --- Reference: radkersburg ut Hypothesis: ratkersburg|út Insertions: 1 Deletions: 0 Substitutions: 1

--- Sample 3 (WER: 150.00%, CER: 33.33%) --- Reference: gyolcsot sző Hypothesis: gyolcsat|szün Insertions: 2 Deletions: 0 Substitutions: 2

--- Sample 4 (WER: 133.33%, CER: 14.81%) --- Reference: universala esperanto asocio Hypothesis: universala|eszperanto|a|szócio Insertions: 4 Deletions: 0 Substitutions: 0

--- Sample 5 (WER: 100.00%, CER: 25.00%) --- Reference: kotródj Hypothesis: kotrudj Insertions: 0 Deletions: 1 Substitutions: 1

kép

kép

Use

Due to tokenizer metadata resolution inconsistencies in the HuggingFace hub loader, users are recommended to download the repository locally and perform inference using local_files_only=True.

git lfs install
git clone https://huggingface.co/GaborMadarasz/w2v-bert-2.0-hungarian-CV24.0
from transformers import AutoProcessor, AutoModelForCTC

model_path = "./w2v-bert-2.0-hungarian-CV24.0"

processor = AutoProcessor.from_pretrained(
    model_path,
    local_files_only=True
)

model = AutoModelForCTC.from_pretrained(
    model_path,
    local_files_only=True
)

model.eval()

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • 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_ratio: 0.1
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossWer
0.15550.283810000.17630.1785
0.11980.567620000.17730.2019
0.13240.851430000.16790.1745
0.13581.135140000.16350.1649
0.11611.418950000.14860.1566
0.10271.702760000.15120.1622
0.08971.986470000.13590.1457
0.07062.270280000.13280.1348
0.07852.554090000.13410.1324
0.0662.8377100000.12550.1335
0.06383.1215110000.10920.1196
0.05293.4053120000.11190.1108
0.05673.6890130000.11670.1084
0.05333.9728140000.10110.1039
0.04714.2565150000.10720.1066
0.03374.5403160000.11890.1052
0.03384.8241170000.10290.1113
0.03465.1078180000.09700.1004
0.02645.3916190000.11190.1082
0.02635.6754200000.11940.0946
0.02315.9592210000.09810.0978
0.01966.2429220000.10380.0994
0.02286.5267230000.09960.0948
0.0136.8105240000.10230.0938
0.0157.0942250000.10160.0876
0.01247.3780260000.10880.0903
0.01287.6618270000.10270.0895
0.01117.9456280000.10640.0844
0.00398.2293290000.11860.0844
0.0078.5131300000.11200.0855
0.00628.7969310000.10600.0836
0.00419.0806320000.11140.0788
0.0049.3644330000.11930.0812
0.00489.6482340000.11830.0773
0.00299.9320350000.12030.0781

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu128
  • Datasets 4.5.0
  • Tokenizers 0.22.1

Contact

gabor.madarasz@gmail.com

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
148040d

0 моделей