/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
13 апр 2026

wav2vec2-xls-r-300m-karakalpak

Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2-модель распознаёт каракалпакскую речь и преобразует аудиозаписи в текст.

32скачиваний за 30 дней0лайковвеса обновлены13 апр 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

Модель Quyashbek/wav2vec2-xls-r-300m-karakalpak разработана Quyashbek Allanazarov и представляет собой дообученную версию facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на каракалпакском языке. Это модель архитектуры Wav2Vec2ForCTC на PyTorch; размер составляет 402,7 млн параметров. Она принимает аудио и преобразует речь в текст, в том числе подходит для расшифровки каракалпакских записей.

В README указаны частота дискретизации 16 кГц и результаты проверки на 504 примерах: WER 21,21% и CER 4,34%. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка записей на каракалпакском языке
  • транскрибация каракалпакской речи в текст
  • распознавание речи в каракалпакских аудиоматериалах

Ограничения

В README приведены метрики на тестовой выборке из 504 примеров, но они не гарантируют такое же качество на других данных и условиях записи. Для модели указана частота дискретизации 16 кГц.

Для каких профессий подходит3

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

🎙️ Wav2Vec2 XLS-R 300M Karakalpak ASR

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m for Automatic Speech Recognition (ASR) in the Karakalpak language.


👤 Founder

Quyashbek Allanazarov


🤝 Acknowledgements

  • 🎓 New Uzbekistan University — for knowledge, research environment, and academic direction
  • 🏦 Xalq Banki AI Lab — for providing GPU resources and supporting the technical direction of the project

📊 Model Performance

Evaluation was performed on a held-out test set.

MetricScore
WER (Word Error Rate)21.21%
CER (Character Error Rate)4.34%

Test Details

  • Total samples: 504
  • Successful transcriptions: 504
  • Missing files: 0
  • Errors: 0
  • Sampling rate: 16 kHz

⚙️ Model Details

  • Base model: facebook/wav2vec2-xls-r-300m
  • Architecture: Wav2Vec2ForCTC
  • Language: Karakalpak
  • Task: Speech-to-Text (ASR)
  • Framework: PyTorch + Hugging Face Transformers

🧪 Inference Example

import torch
import librosa
from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC

model_id = "Quyashbek/wav2vec2-xls-r-300m-karakalpak-asr"

processor = Wav2Vec2Processor.from_pretrained(model_id)
model = Wav2Vec2ForCTC.from_pretrained(model_id)

speech, sr = librosa.load("your_audio.wav", sr=16000)

inputs = processor(speech, sampling_rate=16000, return_tensors="pt", padding=True)

with torch.no_grad():
    logits = model(inputs.input_values).logits

pred_ids = torch.argmax(logits, dim=-1)
transcription = processor.batch_decode(pred_ids)[0]

print(transcription)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
eda5e3e

0 моделей