/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
fairseq2
Опубликована
24 сен 2026

lmaana-2.4

Распознавание речиАудио → текст

Lmaana 2.4 — адаптированная модель CTC для транскрибирования речи на марокканской дариже.

0скачиваний за 30 дней5лайковвеса обновлены24 сен 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

Lmaana 2.4 — модель автоматического распознавания речи на марокканской дариже, разработанная проектом Lmaana. Она основана на OmniASR CTC 3B v2 и получена смешанной адаптацией Lmaana 2.2: контрольная точка step_4500 обучалась на корпусе Dataset13 clean v4 и исправленном MoulSot, также называемом Lmaana clean v1. Репозиторий содержит контрольную точку fairseq2 в формате PyTorch и символьный токенизатор.

Модель предназначена для транскрибирования марокканской дарижи и исследований качества распознавания на корпусах Dataset13 и MoulSot. В тестах указана частота ошибок слов WER 38,11% на Dataset13 и 39,53% на MoulSot. Используется жадное CTC-декодирование; авторы отмечают, что языковая модель или декодер с лексиконом могут улучшить результат. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Качество может меняться в зависимости от говорящего, условий записи, региона, переключения языков и правил записи. Перед применением в целевом сценарии модель следует проверить на соответствующих данных. Это нативная контрольная точка fairseq2, а не пакет Transformers для загрузки через from_pretrained().

Сценарии применения

  • транскрибирование записей на марокканской дариже
  • распознавание речи в аудиокорпусах Dataset13 и MoulSot
  • оценка качества систем распознавания марокканской дарижи
  • подготовка текстовых расшифровок для исследований диалекта

Ограничения

Жадное CTC-декодирование может уступать декодированию с языковой моделью или лексиконом; качество зависит от говорящих, записи, региона, переключения языков и письменных норм. Перед производственным применением нужна проверка на целевом домене; репозиторий содержит формат fairseq2, а не готовый пакет Transformers.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Lmaana 2.4

Lmaana 2.4 is a Moroccan Darija automatic speech recognition model based on OmniASR CTC 3B v2. It continues Lmaana 2.2 with a controlled mixed-corpus adaptation using Dataset13 clean v4 and corrected MoulSot (Lmaana clean v1).

The selected checkpoint is mixed-adaptation step_4500. It was selected on the separate Dataset13 and MoulSot validation sets before the held-out tests were evaluated.

Model summary

FieldValue
ReleaseLmaana 2.4
Base checkpointLmaana 2.2 step_10000
ArchitectureOmniASR CTC 3B v2
ObjectiveCTC full fine-tuning
Target languageMoroccan Darija (ary-Arab)
Adaptation data80% Dataset13, 20% corrected MoulSot
Adaptation schedule2,000 steps, selected at step 4,500
Learning rate2e-6
TokenizerOmniASR written tokenizer v2
DecoderGreedy CTC

Results

All values use the same frozen splits, tokenizer, normalization and greedy CTC decoding protocol as Lmaana 2.2.

CorpusSplitExamplesCTC lossUER (%)CER (%)WER (%)
Dataset13Validation6,893154.040915.4345Not measured37.9410
Dataset13Test6,576159.496015.646016.155338.1100
MoulSotValidation5,18765.388411.5805Not measured35.2742
MoulSotTest1,95765.245312.619012.556739.5332

Improvement over Lmaana 2.2

Held-out testLmaana 2.2 WERLmaana 2.4 WERWER gainCER gain
Dataset1338.476238.11000.36620.1510
MoulSot40.777639.53321.24441.3718

Dataset13 validation and test

Checkpoint selection

Cross-corpus metrics

Normalized WER composition

Segment-level error analysis

Training data

  • Dataset13 clean v4: the primary training and evaluation corpus.
  • Corrected MoulSot: stored as omniasr_lmaana_clean_v1, with 91.68 hours of training audio. Validation and test sources are held out from its training split.

The mixed sampler targets 80% Dataset13 and 20% corrected MoulSot. MoulSot is also called Lmaana clean v1 in configuration files; these names refer to the same corrected corpus in this release.

Evaluation and selection

The mixed run started from Lmaana 2.2 and used a reinitialized optimizer. The Dataset13 validation WER guard was 38.5618%, and the MoulSot validation target was the Lmaana 2.2 baseline of 37.2417%. Mixed step_4500 passed both guards with 37.9410% and 35.2742%, respectively.

Test CER is computed at corpus level after removing whitespace from references and hypotheses. UER is the tokenizer-unit error rate reported by fairseq2 and is not identical to CER.

Files

PathDescription
model/consolidated.ptConsolidated fairseq2 checkpoint
tokenizer/omniASR_tokenizer_written_v2.modelCharacter tokenizer
config/mixed_80_20_train_fsdp.yamlMixed adaptation recipe
config/test_mixed_step4500_dataset13.yamlDataset13 test recipe
config/valid_mixed_step4500_lmaana_clean.yamlMoulSot validation recipe
config/test_mixed_step4500_lmaana_clean.yamlMoulSot test recipe
results/metrics_summary.jsonMachine-readable release metrics
SHA256SUMSChecksum for the consolidated checkpoint

Intended use and limitations

The model is intended for research and evaluation of Moroccan Darija ASR. It uses greedy decoding and may benefit from a language model or lexicon-aware decoder. Performance can vary across speakers, recording conditions, regions, code-switching patterns and writing conventions. Validate the model on the target domain before production use.

This repository contains a native fairseq2 checkpoint, not a Transformers from_pretrained() package.

Как запустить

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

GPU в ailist

Универсальный рантайм · fairseq2

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
537c5e5

0 моделей