/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
pytorch
Опубликована
13 июл 2026

griot-nano-1

Распознавание речиАудио → текст4 профессии

Мультиязычная Conformer CTC-модель Qlerqly для транскрибации речи на ганских языках и ганском английском.

91скачиваний за 30 дней3лайкавеса обновлены17 сен 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

Griot Nano 1 — модель автоматического распознавания речи, разработанная Qlerqly. Это мультиязычная Conformer CTC-модель на 153 млн параметров для транскрибации речи на акан, дагбани, эве, ганском английском и га. Модель принимает аудио; для локального распознавания аудио при необходимости преобразуется в моно и передискретизируется до 16 кГц.

В опубликованной оценке использовалось жадное CTC-декодирование без KenLM. Для повышения контекстной точности автор рекомендует отдельную n-граммную языковую модель Qlerqly/griot-nano-1-kenlm; декодирование с ней помогает при неоднозначных границах слов и акустически похожих последовательностях. В тестах акан показал больше ошибок, чем дагбани и эве; приводятся также ошибки в границах слов. Данные обучения включают автоматически созданные или исправленные транскрипции, а качество за пределами оценённых ганских речевых доменов может отличаться. Модель распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей некоммерческое использование и сохранение тех же условий при распространении производных материалов.

Сценарии применения

  • транскрибация речи на акан
  • распознавание дагбани в аудиозаписях
  • транскрибация речи на эве
  • распознавание ганского английского
  • расшифровка аудио на га

Ограничения

В тестах акан чаще других языков давал ошибки, включая смешение близких гласных и ошибки границ слов; качество вне оценённых ганских речевых доменов может отличаться. Обучающие данные включают автоматически созданные или исправленные транскрипции.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Griot Nano 1

Griot Nano 1 is a 153M-parameter multilingual Conformer CTC model for Akan, Dagbani, Ewe, Ghanaian English, and Ga. Metrics below use raw greedy CTC decoding without using the suggested KenLM.

Test results

LanguageSamplesCERWER
ak21,43519.27%41.67%
dag5,3077.04%23.75%
ee6,8209.66%30.76%
en56,36412.91%26.05%
ga9,6218.14%15.83%
Combined99,54713.66%29.19%

Run locally

uvx --from huggingface-hub hf download Qlerqly/griot-nano-1 \
  --local-dir griot-nano-1
cd griot-nano-1

# Transcribe an audio file
uv run --with-requirements requirements.txt python inference.py \
  --model-dir . --audio recording.wav

# Live microphone transcription
uv run --with-requirements requirements.txt python inference.py \
  --model-dir . --live

# Explicitly select BF16 or FP32 weights
uv run --with-requirements requirements.txt python inference.py \
  --model-dir . --audio recording.wav --dtype bf16

--dtype auto is the default: the canonical FP32 weights are converted to BF16 on supported CUDA GPUs and remain FP32 elsewhere. Audio is converted to mono and resampled to 16 kHz when necessary.

Recommended: KenLM decoding

For best contextual accuracy, we encourage using Griot Nano 1 together with Qlerqly/griot-nano-1-kenlm. KenLM adds n-gram beam-search guidance without another neural network, keeping memory and compute overhead low relative to neural language-model rescoring.

# From the directory containing griot-nano-1
uvx --from huggingface-hub hf download Qlerqly/griot-nano-1-kenlm \
  --local-dir griot-nano-1-kenlm

cd griot-nano-1
uv run --with-requirements requirements-kenlm.txt python inference.py \
  --model-dir . --audio recording.wav \
  --kenlm ../griot-nano-1-kenlm/multilingual.arpa --beam-width 25

This runs the acoustic model and language model as one transcription pipeline. The suggested starting values are beam width 25, LM weight 0.5, and word insertion bonus 1.0; override the latter two with --lm-alpha and --lm-beta.

Greedy CTC remains available for the lowest latency. KenLM is most useful when word boundaries or acoustically similar character sequences are ambiguous.

Training data

The model was trained on multilingual Ghanaian speech covering Akan, Dagbani, Ewe, Ghanaian English, and Ga. See ATTRIBUTIONS.md for the complete dataset list, creators, source links, licenses, and usage notes.

License

The conservative release license is CC BY-NC-SA 4.0, not MIT. AfriSpeech declares CC BY-NC-SA 4.0, configured GhanaNLP Community datasets declare CC BY-NC 4.0, the University of Ghana WAXAL subsets and Ashesi FISD declare CC BY 4.0, and Common Voice is CC0. The audit is provided in license_audit.json.

This is a provenance-based engineering recommendation, not legal advice.

Limitations

  • Akan is the hardest evaluated language and shows frequent ɛ/e/a/i and ɔ/o/u confusions.
  • Word-boundary errors account for a material portion of Akan CER.
  • Training data includes automatically generated or corrected transcripts.
  • Performance outside the evaluated Ghanaian domains may differ.

Attributions

The complete training-data acknowledgements, source links, and license links are maintained in ATTRIBUTIONS.md.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
651cce6

0 моделей