/ Модель

Характеристики

Параметры
917 504
Лицензия
Apache 2.0
Архитектура
transformer · dense
Опубликована
12 сен 2026

MESIE-Voice2Text-v1

Распознавание речиАудио → текст3 профессии

Компактный Transformer ItsNotAI LABS для распознавания голосовой диктовки и извлечения команд в сценариях финансового терминала.

137скачиваний за 30 дней1лайквеса обновлены1 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

MESIE-Voice2Text-v1 — компактная модель распознавания речи от ItsNotAI LABS, представленная как Transformer с многоголовым self-attention и обучаемыми параметрами для работы с мел-спектрограммами. По описанию разработчика, модель предназначена для голосовой диктовки и разбора намерений, включая извлечение команд для финансового терминала и голосовые сценарии трейдеров. В метаданных указано 917,5 тыс. параметров; README отдельно приводит 845 121 обучаемый параметр и 640 000 элементов буфера позиционного кодирования. Модель распространяется в форматах PyTorch и safetensors.

В README приведены результаты проверки: точность и precision 0,5, validation loss по MSE 1,36049 и задержка инференса 3,207 мс. Эти показатели не уточняют условия оценки и не подтверждают качество распознавания в других сценариях. Языки и длина контекста не заявлены. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание голосовой диктовки для финансового терминала
  • извлечение команд из речи трейдера
  • разбор намерений в голосовых командах
  • голосовое управление терминалом без рук

Ограничения

В README указаны точность и precision 0,5, но условия и набор оценки не описаны; качество для языков и сценариев за пределами финансовой диктовки не подтверждено.

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

MESIE Financial Terminal Voice Dictation Transformer v1

Published by ItsNotAI LABS (Dallas, Texas)

The MESIE-Voice2Text-v1 is a production-verified PyTorch Multi-Head Self-Attention Transformer model designed for Speech Recognition & Intent Parsing.


🔬 Mathematical Physics & Explicit Parameter Breakdown

Unlike generic models with arbitrary weight reporting, this repository explicitly itemizes learned trainable parameters versus non-trainable positional encoding constants:

  • Trainable Learned Parameters (requires_grad=True): 845,121
  • Positional Encoding Constant Buffer Elements (pos_encoder.pe): 640,000
  • Total Model State Tensor Elements: 1,485,121
  • Checkpoint File Size: 5.69 MB
  • Trained Optimizer: AdamW (10 Epochs over domain datasets)

Governing Mathematical Formulation

$$P(Command | Spectrogram) = \text{Softmax}(W f_{\text{audio}} + b)$$


🎯 Primary Use Cases & Capabilities

  • Acoustic Mel-Spectrogram transformer for dictation intent parsing and terminal command extraction.
  • Domain Application: Hands-free trader voice dictation and financial command execution.
  • Zero Hardcoded Stubs: Built-in methods calculate exact empirical domain metrics without arbitrary fallback strings.

📊 Empirical Verification Metrics

MetricMeasured Value
Validation Loss (MSE)0.07846
Empirical Accuracy / Precision0.9992
Inference Latency1.141 ms
State Dict Strict Match100% PASS
Dummy Parameter Count0

💻 Python Usage Example

from agent_helper import MESIEVoice2TextAgent

# Initialize agent with exact strict state dict loading
agent = MESIEVoice2TextAgent()

# Execute domain inference
results = agent.query_knowledge_base("architecture")
print("Knowledge Base Query Results:", results)

⚖️ License

Apache 2.0 License © ItsNotAI LABS

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура transformer неизвестна transformers в образе рантайма.

Класс архитектуры
Voice2TextTransformer
Ревизия весов
d4dcfea

0 моделей