Характеристики

Параметры: 1,3 млрд
Архитектура: wav2vec2 · dense
Базовая модель: mms-lid-256
Библиотека: transformers
Опубликована: 10 июл 2026

Ссылки

Hugging Face

mms-lid-256-fra-dyu

Or4kool

Классификация текстаТекст → label

Дообученная Wav2Vec2-модель определяет, говорят ли во фрагменте аудио по-французски, на диула или на другом языке.

7скачиваний за 30 дней0лайковвеса обновлены10 июл 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

Or4kool/mms-lid-256-fra-dyu — модель для определения языка речи в аудиозаписи, разработанная на основе facebook/mms-lid-256 и дообученная для языкового контекста Кот-д’Ивуара. Она классифицирует аудиофрагменты по трём категориям: французский, диула или «другой язык». Модель построена на архитектуре Wav2Vec2 и использует 1,3 млрд параметров; для работы доступна через Transformers как задача классификации аудио.

Модель подходит для определения французской и диульской речи, а также для отнесения прочей речи к общей категории, например при обработке телефонных записей. В тестах на отложенной выборке README сообщает macro-F1 0,9974, в том числе на срезе с симуляцией телефонного канала. Эти показатели относятся к описанным тестовым данным и не гарантируют такое же качество на других источниках аудио. Обучение проводилось на открытых наборах данных; Bambara исключён из обучения, а класс «другой язык» приблизительно охватывает прочие африканские языки и английский. Лицензия в предоставленных данных не указана.

Сценарии применения

определение французской речи в аудиозаписях Кот-д’Ивуара
распознавание речи на диула в коротких аудиоклипах
отнесение аудио на других языках к категории «другой»
классификация языка речи в записях телефонных разговоров

Ограничения

Класс «другой язык» является приблизительным и включает примеры других африканских языков и английского; Bambara не использовался при обучении. Заявленные метрики получены на описанной отложенной выборке и могут не переноситься на иные условия записи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Or4kool/mms-lid-256-fra-dyu

Spoken language identification for Côte d'Ivoire: classifies audio clips as french, dioula, or other. Fine-tuned from facebook/mms-lid-256.

Evaluation (held-out test split)

fine-tuned clean test: accuracy 0.9979, macro-F1 0.9974
fine-tuned telephony-simulated slice: macro-F1 0.9974
zero-shot facebook/mms-lid-256 baseline (mapped to 3 classes): macro-F1 0.4459

class	precision	recall	f1	support
french	0.9979	0.9986	0.9983	1429
dioula	1.0	0.9988	0.9994	840
other	0.9944	0.9944	0.9944	540

Usage

from transformers import pipeline
classifier = pipeline("audio-classification", model="Or4kool/mms-lid-256-fra-dyu")
print(classifier("clip.wav"))

Trained on public datasets only (Common Voice Dioula, GO AI Corp Dioula, FarmerlineML Dyula, African-accented French, FLEURS). Bambara was excluded from training; the other class approximates non-target languages with other African languages plus English.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры: Wav2Vec2ForSequenceClassification
Ревизия весов: 02070f0