/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
7 июл 2026

Ogaal-CTC

Распознавание речиАудио → текст

Модель Wav2Vec2/XLSR-300M от Ogaal Labs распознаёт сомалийскую речь и предназначена для локальной транскрибации аудио.

23скачиваний за 30 дней0лайковвеса обновлены3 окт 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

Ogaal CTC — система распознавания сомалийской речи от Ogaal Labs на архитектуре Wav2Vec2ForCTC семейства Wav2Vec2/XLSR-300M. Модель содержит 402,7 млн параметров и предназначена для локальной транскрибации аудио на CPU или GPU. Лицензия — Apache-2.0.

Модель подходит для распознавания отдельных аудиофайлов и пакетной обработки папок; сопутствующий инструментарий поддерживает длинные записи с разбиением на фрагменты и обнаружением речевых участков, а также экспорт в текст, JSON, JSONL и CSV. Для опубликованных результатов применяется комплектный декодер transcript_only: тестовые WER и CER составили 0,2114 и 0,0997 соответственно.

Модель обучена на сомалийской речи, включая около 72,1 часа аудио и записи 19 дикторов. Английский язык не входил в цель обучения. Точность может меняться в зависимости от акцента, шума, микрофона, тематики и стиля речи; показатели уверенности экспериментальные и не являются калиброванными вероятностями. Опубликованные метрики относятся к комплектному декодеру, а не к обычному жадному CTC-декодированию.

Сценарии применения

  • транскрибация сомалийских аудиозаписей
  • пакетное распознавание файлов в папке
  • расшифровка длинных записей с разбиением на фрагменты
  • локальная транскрибация для приложений с требованиями к приватности
  • интеграция распознавания сомалийской речи в голосовые продукты

Ограничения

Модель рассчитана на сомалийский язык; английский не входил в цель обучения. Точность зависит от условий записи и особенностей речи, а оценки уверенности экспериментальны и не откалиброваны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ogaal CTC

Ogaal CTC Architecture

Ogaal CTC is a compact, developer-focused Somali automatic speech recognition system from Ogaal Labs. It combines a 300M-parameter Wav2Vec2/XLSR CTC acoustic model with the published transcript_only language-model decoder for practical local transcription.

Key capabilities

  • local CPU or GPU inference
  • individual file and folder transcription
  • long-audio chunking with speech-region detection
  • text, JSON, JSONL, and CSV outputs through the companion toolkit
  • bundled decoder matching the published evaluation path

Published Somali results

The bundled transcript_only decoder produced:

  • validation WER: 0.2179
  • test WER: 0.2114
  • test CER: 0.0997

These metrics are for the bundled language-model decoder, not raw greedy CTC decoding.

Training overview

  • model family: Wav2Vec2 / XLSR-300M
  • architecture: Wav2Vec2ForCTC
  • training clips: 39,604
  • training audio: approximately 72.1 hours
  • primary language: Somali (so)

A private Ogaal Labs collection contributed roughly 5,000 curated prompts recorded by 19 speakers across varied genders, accents, and speaking styles. English was not part of the training objective.

Acoustic-model quick start

from transformers import AutoModelForCTC, AutoProcessor

model_id = "Ogaal-Labs/Ogaal-CTC"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForCTC.from_pretrained(model_id)

This loads the acoustic model for raw or greedy CTC decoding. It does not reproduce the published language-model-decoded metrics by itself.

Published decoder workflow

Use the companion GitHub toolkit for local CPU/GPU inference with the bundled transcript_only decoder:

git clone https://github.com/Ogaal-Labs/Ogaal-CTC.git
cd Ogaal-CTC
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
git clone https://huggingface.co/Ogaal-Labs/Ogaal-CTC model

python scripts/infer_ogaal_ctc.py \
  --audio-path /path/to/audio.wav \
  --model-dir model

Requirements: Python 3.10 or newer and ffmpeg on the system path.

Files included

  • model.safetensors: CTC acoustic model weights
  • config.json, processor_config.json, tokenizer_config.json, vocab.json: runtime assets
  • decoders/transcript_only/: published language-model decoding assets
  • frozen_system.json: fixed decode configuration
  • best_val_metrics.json, test_metrics.json, release_metadata.json: evaluation and packaging metadata
  • TECHNICAL_BOOK.md, MODEL_SCOPE.md: supporting release documentation

Intended use

  • Somali speech transcription
  • local and privacy-sensitive transcription workflows
  • developer integration for Somali voice products
  • research and evaluation using the released decode path

Limitations

  • designed for Somali, not general multilingual transcription
  • English was not part of the training objective
  • accuracy may vary with accents, noise, microphones, domains, and speaking styles
  • confidence values are experimental and should not be treated as calibrated probabilities
  • published WER and CER use the bundled transcript_only decoder, not raw greedy decoding

Links

License

This model repository is released under the Apache License 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
c6ca0f2

0 моделей