Характеристики

Лицензия: Apache 2.0
Базовая модель: MSP-VSR-TRAIN
Библиотека: transformers
Опубликована: 9 авг 2026

Ссылки

Hugging Face

MSP-AVSR-TRAIN

MahmoodAnaam

Распознавание речиАудио → текст

MSP-AVSR — объединённая модель распознавания речи, предназначенная для преобразования аудио в текст.

0скачиваний за 30 дней0лайковвеса обновлены18 авг 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

MSP-AVSR — модель автоматического распознавания речи, опубликованная MahmoodAnaam. Она объединяет модели MSP-ASR-TRAIN и MSP-VSR-TRAIN; в метаданных указана связь с обеими как merge, а карточка описывает модель как дообученную версию. Модель предназначена для преобразования речи в текст; README приводит результаты на тестовой выборке: WER 0,1736 и loss 1,1193.

В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache-2.0. Для базовой MSP-ASR-TRAIN каталог указывает архитектуру Wav2Vec2 и поддержку английского языка. README не раскрывает подробности архитектуры, обучающих данных и ограничений самой объединённой модели; в метаданных также отмечен аудиовход.

Сценарии применения

распознавание английской речи в аудиозаписях
транскрибация речи из видеороликов
автоматическое получение текстовых расшифровок аудио

Ограничения

README не приводит сведений об ограничениях, условиях оценки или целевых сценариях; указанные метрики относятся только к описанной тестовой выборке.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MSP-AVSR

This model is a fine-tuned version of on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.1193
Wer: 0.1736

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: 32
eval_batch_size: 32
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: cosine
lr_scheduler_warmup_steps: 1000.0
training_steps: 30000

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
2.2821	0.0333	1000	1.5690	0.2983
2.1664	0.0667	2000	1.3053	0.2234
2.0936	0.1	3000	1.1193	0.1736
2.2092	0.1333	4000	1.2822	0.2420
2.3215	0.1667	5000	1.4375	0.2676
2.0802	0.2	6000	1.3366	0.2295
2.0530	0.2333	7000	1.2210	0.1985
2.1923	0.2667	8000	1.3655	0.2465
2.1158	0.3	9000	1.4065	0.2484
2.0377	0.3333	10000	1.4430	0.2271
2.0040	0.3667	11000	1.3231	0.2188
1.9140	0.4	12000	1.5497	0.2668
2.1310	0.4333	13000	1.1773	0.1909
2.0774	0.4667	14000	1.1900	0.1888
1.8577	0.5	15000	1.4826	0.2567
1.8542	0.5333	16000	1.3038	0.2196
1.9256	0.5667	17000	1.1100	0.1767
2.0081	0.6	18000	1.3671	0.2258
1.8983	0.6333	19000	1.2541	0.2035
1.8399	0.6667	20000	1.2768	0.2127
1.9230	0.0333	21000	1.3529	0.2279
1.7808	0.0667	22000	1.3944	0.2262
1.8058	0.1	23000	1.2840	0.2044
1.8971	0.1333	24000	1.2563	0.2056
2.0928	0.1667	25000	1.2498	0.2054
1.8353	0.2	26000	1.2187	0.1997
1.8451	0.2333	27000	1.2304	0.1999
2.0854	0.2667	28000	1.2552	0.2079
1.9424	0.3	29000	1.2496	0.2042
1.8996	0.3333	30000	1.2481	0.2046

Framework versions

Transformers 5.10.2
Pytorch 2.10.0+rocm7.2.4.git3d3aa833
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 6edf7a4