/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
fairseq2
Опубликована
30 июн 2026

yecs-asr-ctc-300m

Распознавание речиАудио → текст

Модель на базе omniASR CTC 300M распознаёт речь на йоруба и английском, включая переключение языков внутри высказывания.

6скачиваний за 30 дней0лайковвеса обновлены30 июн 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

Professor/yecs-asr-ctc-300m — модель автоматического распознавания речи, созданная дообучением omniASR_CTC_300M от Meta на корпусе Yoruba-English Code-Switching (YECS). Это чекпойнт на базе fairseq2 с архитектурой CTC; для загрузки предназначена библиотека omnilingual_asr, а не Transformers.

Модель преобразует аудио в текст на йоруба и английском, в том числе при переключении между этими языками в речи. Выводится строчными буквами и без пунктуации: токенизатор рассчитан на символы речи и тоновые знаки, а не на регистр и знаки препинания. Репозиторий содержит веса PyTorch и символьный токенизатор. Лицензия указана как other, конкретные условия использования в карточке не раскрыты.

Сценарии применения

  • транскрибация речи на йоруба
  • транскрибация речи на английском
  • распознавание речи с переключением между йоруба и английским
  • создание черновых расшифровок аудиозаписей на двух языках

Ограничения

Результат выводится строчными буквами и без пунктуации. Чекпойнт требует библиотеку omnilingual_asr и fairseq2, а не Transformers; конкретные условия лицензии в карточке не раскрыты.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Professor/yecs-asr-ctc-300m

Finetune of omniASR_CTC_300M (Meta Omnilingual ASR) on the Yoruba-English Code-Switching (YECS) Corpus.

This is a fairseq2 checkpoint, not a transformers model. Load it with the omnilingual_asr library (below), NOT AutoModel.from_pretrained.

Files

  • model.pt — finetuned weights (state dict)
  • omniASR_tokenizer_v1.model — char tokenizer (also auto-downloadable by name)
  • model.yaml, config.yaml — architecture + training config

Inference

git clone https://github.com/facebookresearch/omnilingual-asr && cd omnilingual-asr
pip install -e . && pip install huggingface_hub
import re, torch
from huggingface_hub import hf_hub_download
from fairseq2.models.hub import load_model
from fairseq2.data.tokenizers.hub import load_tokenizer
from omnilingual_asr.models.inference.pipeline import ASRInferencePipeline

model = load_model("omniASR_CTC_300M", dtype=torch.bfloat16)
sd = torch.load(hf_hub_download("Professor/yecs-asr-ctc-300m", "model.pt"), map_location="cpu")
model.load_state_dict(sd, strict=False)        # if this errors, try sd["model"]
tok = load_tokenizer("omniASR_tokenizer_v1")
pipe = ASRInferencePipeline(None, model=model, tokenizer=tok)

def clean_pred(t):                             # the ASR tokenizer has no punctuation, so it
    return re.sub(r"\s+", " ", t.replace("\u2047", "")).strip()  # emits an unknown token (U+2047)

preds = pipe.transcribe(["sample.wav"])        # 16kHz mono; CTC ignores lang
print([clean_pred(p) for p in preds])

Output is lowercase and unpunctuated — that is normal for ASR (the tokenizer models only spoken characters + tone marks, not casing or punctuation).

License

Training data is NOODL-1.0 (YECS / LyngualLabs) — review its terms before redistribution. Base model omniASR_CTC_300M is Apache-2.0.

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
d1cd599

0 моделей