/ Модель

Характеристики

Контекст
131 072 токена
Архитектура
qwen3_asr · dense
Опубликована
14 авг 2026

cdli-qwen3-asr-lg-atypical-stage3-1p7b-typical-base-const1e4

Распознавание речиАудио → текст3 профессии

Модель распознаёт атипичную речь на языке луганда и преобразует её в текст.

41скачиваний за 30 дней0лайковвеса обновлены17 авг 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

Это чекпойнт Qwen3-ASR, дообученный Trevor Kasule для распознавания атипичной речи на языке луганда. Он предназначен для преобразования записей речи людей с нарушениями речи в текст и основан на модели KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune. В обучении использован набор cdli/ugandan_luganda_nonstandard_speech_v1.0; архитектура — плотная Qwen3-ASR для условной генерации, формат весов — safetensors.

В README для выбранного checkpoint-2000 указана валидационная WER 0,675 и CER 0,365. Эти метрики указывают на заметные ошибки распознавания, поэтому результат стоит проверять и учитывать вариативность речи отдельных говорящих. В карточке приведены также тестовые метрики для checkpoint-1250, но они относятся к более поздней проверке другого чекпойнта, а не к загруженной версии. Лицензия и длина контекста в предоставленных данных не приведены.

Сценарии применения

  • Транскрибация записей атипичной речи на луганда
  • Распознавание речи при заикании на луганда
  • Транскрибация речи при голосовых нарушениях
  • Исследовательская оценка ASR для нестандартной речи на луганда

Ограничения

Валидационная WER выбранного чекпойнта составляет около 0,675, что указывает на существенные ошибки распознавания. Приведённые тестовые метрики относятся к checkpoint-1250 и не характеризуют загруженный checkpoint-2000.

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

Qwen3-ASR Luganda Atypical Stage 3 1.7B

This repository contains a Qwen3-ASR checkpoint fine-tuned for Luganda atypical speech from the CDLI Luganda non-standard speech dataset.

Training Setup

  • Base model: KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune
  • Dataset: cdli/ugandan_luganda_nonstandard_speech_v1.0
  • Language: Luganda (lg)
  • Training source notebook: qwen3-asr-luganda-atypical-cleaned-finetune.ipynb
  • Learning rate: 1e-4
  • Scheduler: constant_with_warmup
  • Epochs: 3
  • Batch size: 2
  • Gradient accumulation: 4
  • Save steps: 250
  • SpecAugment: not used

Checkpoint Selection

Notebook outputs show that validation checkpoint comparison selected checkpoint-2000 by normalized corpus WER.

CheckpointValidation WERValidation CEREval loss
checkpoint-20000.6749410.3653740.561479

A later exploratory notebook cell evaluated checkpoint-1250 after the upload. That post-hoc test result should not be interpreted as the uploaded best checkpoint.

Notebook-Recovered Test Artifact

The notebook contains test metrics for the later post-hoc checkpoint-1250 evaluation:

CheckpointTest WERTest CERAvg WER cappedAvg CER capped
checkpoint-12500.7501610.4928390.5589250.327015

Per-Speaker Breakdown

These per-speaker aggregates come from the notebook-displayed grouped analysis for the recovered post-hoc checkpoint-1250 test artifact.

SpeakerSeverityDisorderEtiologyNMean WERMean CERMedian WERMedian CER
UG057Severe (frequent breakdowns)Voice disorderAcquired hearing impairment1050.70870.44630.82860.4842
UG042Severe (frequent breakdowns)Stuttering (Disfluency Disorders)Developmental850.61380.29240.66670.2381
UG058Severe (frequent breakdowns)Stuttering (Disfluency Disorders)Developmental1250.53320.30340.57140.2571
UG052Moderate (requires effort to understand)Stuttering (Disfluency Disorders)Developmental790.52930.26230.50000.2097
UG021Moderate (requires effort to understand)Articulation DisordersStructural presence of akloglosia, simply tong...910.52300.24980.55170.1929
UG022Mild (easily understood with minimal effort)Articulation DisordersDevelopmental1170.48370.23110.50000.1642
UG036Moderate (requires effort to understand)DysarthriaCerebral Palsy1770.44810.20010.43750.1429
UG014Mild (easily understood with minimal effort)Stuttering (Disfluency Disorders)Idiopathic1490.37280.12710.33330.0645
UG001Mild (easily understood with minimal effort)DysarthriaCerebral palsy - cerebral malaria990.35730.15420.36360.1399

Evaluation Notes

The model card is reconstructed from executed notebook outputs and extracted local summaries. Full per-utterance prediction files were referenced in notebook outputs as remote /workspace/... artifact paths, but were not embedded in the notebook JSON available locally.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
733ec0f

0 моделей