/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
30 июн 2026

wav2vec2-ASR-google-colab

Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для преобразования аудиоречи в текст, качество которой по указанной метрике WER низкое.

8скачиваний за 30 дней0лайковвеса обновлены30 июн 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

Irfan0786/wav2vec2-ASR-google-colab — дообученная модель распознавания речи на архитектуре Wav2Vec2ForCTC, созданная на основе facebook/wav2vec2-base. Она принимает аудио и преобразует речь в текст; в README модель названа дообученной на неизвестном наборе данных. Размер модели — 113,3 млн параметров, библиотека — Transformers.

На указанном в карточке оценочном наборе получены loss 2,8244 и WER 0,9468. Высокое значение WER указывает на большое число ошибок распознавания, поэтому качество для практического применения может быть низким. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • экспериментальное распознавание аудиозаписей в текст
  • проверка распознавания речи на собственных аудиоданных
  • использование как отправной точки для дальнейшего дообучения

Ограничения

Язык и обучающий датасет не указаны. На оценочном наборе WER составляет 0,9468, что свидетельствует о низком качестве распознавания.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-ASR-google-colab

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.8244
  • Wer: 0.9468

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • 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_steps: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
8.23572.99405003.28360.9993
2.88485.988010002.36071.0030
1.82648.982015002.20850.9963
1.299311.976020002.11220.9700
0.981914.970125002.42270.9700
0.802017.964130002.47630.9446
0.646420.958135002.62940.9618
0.550723.952140002.75640.9483
0.469126.946145002.88870.9461
0.420229.940150002.82390.9468
0.420230.050102.82440.9468

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
092e565

0 моделей