/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
27 июн 2026

wav2vec2-base-bft-common-voice

Распознавание речиАудио → текст

Дообученная модель wav2vec 2.0 для автоматического преобразования аудиоречи в текст.

6скачиваний за 30 дней0лайковвеса обновлены27 июн 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

Qalandar1/wav2vec2-base-bft-common-voice — модель автоматического распознавания речи на основе архитектуры wav2vec 2.0, дообученная разработчиком Qalandar1 от facebook/wav2vec2-base. Она принимает аудио и предназначена для преобразования речи в текст. Модель содержит 113,3 млн параметров и распространяется в формате safetensors через библиотеку Transformers.

В README приведены результаты оценки: loss 1,8567 и WER 0,8528. Высокое значение WER указывает на существенные ошибки распознавания в указанной оценке. Набор данных назван None, а сведения о поддерживаемых языках и сценариях применения отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей речи
  • распознавание речи из микрофона
  • преобразование речевого аудио в текст

Ограничения

В README указана оценка WER 0,8528, что свидетельствует о низкой точности на приведённом наборе оценки. Языки и обучающий набор данных не уточнены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-bft-common-voice

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.8567
  • Wer: 0.8528

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: 8
  • eval_batch_size: 8
  • 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: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.36896.02415003.16151.0
2.349912.048210001.65610.9419
0.695018.072315001.71750.8617
0.381024.096420001.85770.8714
0.381030.024901.85670.8528

Framework versions

  • Transformers 5.12.0
  • Pytorch 2.11.0+cu128
  • 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

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
e71a791

0 моделей