Характеристики

Контекст: 131 072 токена
Лицензия: Apache 2.0
Архитектура: qwen3_asr · dense
Базовая модель: cdli-qwen3-asr-lg-typical-1p7b-base-finetune
Библиотека: transformers
Опубликована: 3 июл 2026

Ссылки

Hugging Face

cdli-qwen3-asr-lg-atypical-stage3-1p7b-base

KasuleTrevor

Распознавание речиАудио → текст3 профессии

Дообученная Qwen3-ASR для распознавания лугандской речи с нетипичными особенностями произношения.

24скачиваний за 30 дней0лайковвеса обновлены3 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Это дообученная модель распознавания речи Qwen3-ASR, разработанная KasuleTrevor для транскрибации лугандской речи с нетипичными особенностями произношения. Репозиторий содержит выбранный чекпойнт checkpoint-500, обученный на наборе cdli/ugandan_luganda_nonstandard_speech_v1.0; базовая модель — KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune.

Модель принимает аудио и выдаёт распознанный текст на лугандском языке. Она предназначена для транскрибации речи людей с лёгкими, умеренными и тяжёлыми нарушениями речи. В README приведены тестовые значения WER и CER, а также разбивка качества по тяжести нарушений: ошибка распознавания выше для тяжёлой группы, что ограничивает надёжность результатов в таких случаях.

Модель опубликована в формате Safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0.

Сценарии применения

транскрибация лугандской речи людей с нарушениями речи
распознавание речи с лёгкими особенностями произношения
распознавание речи с умеренными нарушениями речи
распознавание речи с тяжёлыми нарушениями речи

Ограничения

На тестовом наборе указаны corpus WER 0.542 и CER 0.248; ошибка была выше для тяжёлых нарушений речи, чем для лёгких. Результаты приведены для конкретного датасета и не гарантируют аналогичного качества на других голосах и условиях записи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CDLI Qwen3-ASR Luganda Atypical Speech Fine-tune

This repo contains the selected checkpoint checkpoint-500 from the LG-QWEN3-ASR-ATYPICAL-STAGE3-1P7B-BASE run.

Training Setup

Base model: KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune
Dataset: cdli/ugandan_luganda_nonstandard_speech_v1.0
Split files: train_cleaned.tsv, validation_cleaned.tsv, test_cleaned.tsv
Training language tag: Luganda
Forced inference language: disabled
Epochs: 3
Batch size: 4
Gradient accumulation: 4
Learning rate: 5e-05
Scheduler: cosine
Warmup ratio: 0.03
Save steps: 500
Selected checkpoint: checkpoint-500
Selection reason: best validation avg_wer_normalized_capped (0.557665, corpus WER 0.659176)

Final Test Metrics

Primary WER: avg utterance WER normalized, capped at 1.0 = 0.427355
Primary CER: avg utterance CER normalized, capped at 1.0 = 0.182363
Corpus WER (normalized, uncapped): 0.542166
Corpus CER (normalized, uncapped): 0.247597

Checkpoint Selection Evidence

checkpoint	wer_normalized	cer_normalized	avg_wer_normalized	avg_cer_normalized	eval_loss
checkpoint-500	0.5576649148066538	0.2691629617628126	0.5576649148066538	0.2691629617628126	0.4462866187095642
checkpoint-1000	0.5581921038683963	0.2746129558293713	0.5581921038683963	0.2746129558293713	0.47903984785079956
checkpoint-1107	0.5603334157402827	0.27484894993170134	0.5603334157402827	0.27484894993170134	0.47903984785079956

Severity Breakdown

severity_speech_impairment	n_samples	n_speakers	mean_wer	mean_cer	median_wer	median_cer
Severe (frequent breakdowns)	315	3	0.5507	0.2787	0.5625	0.25
Moderate (requires effort to understand)	347	3	0.4128	0.1637	0.375	0.1146
Mild (easily understood with minimal effort)	365	3	0.3348	0.117	0.2857	0.0714

Artifacts

Result folder: results/checkpoint-500/
Includes checkpoint validation summaries, final test predictions, scored outputs, and grouped metadata analyses.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3ASRForConditionalGeneration
Ревизия весов: 3634a96