/ Модель

Характеристики

Размер весов
919 МБ
Лицензия
Apache 2.0
Базовая модель
stt_fa_fastconformer_hybrid_large
Библиотека
nemo
Опубликована
26 июн 2026

Shenava-Koochik-v1.0

Распознавание речиАудио → текст7 профессий

Модель NeMo на 114 млн параметров для распознавания персидской речи и преобразования её в текст.

1 113скачиваний за 30 дней30лайковвеса обновлены11 авг 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

Shenava Koochik v1.0 — модель распознавания персидской речи из семейства Shenava-1, разработанная автором репозитория Reza2kn. Это исходный чекпойнт NeMo в формате FP32 с 114 млн параметров, основанный на NVIDIA stt_fa_fastconformer_hybrid_large и дообученный для персидского автоматического распознавания речи. Архитектура FastConformer Hybrid RNNT/CTC; в опубликованных вариантах развёртывания используется CTC-голова.

Модель принимает одноканальную персидскую речь с частотой дискретизации 16 кГц и выдаёт текст на персидском языке. Поддерживаются режимы с несколькими настройками контекста; модель предназначена для оценки, дальнейшей тонкой настройки и экспорта. В опубликованных тестах указаны WER 7,49% на visualears-golden-6669 и 10,64% на FLEURS-fa при контексте [70,13] и принятой авторами нормализации текста.

Качество распознавания может снижаться из-за акцента, шума, наложения речи, особенностей канала записи и переключения языков; важные по смыслу расшифровки следует проверять. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка персидских аудиозаписей
  • транскрибация персидских интервью и лекций
  • распознавание персидской речи в приложениях и сервисах
  • оценка качества персидского ASR на тестовых наборах
  • дообучение модели для распознавания персидской речи

Ограничения

Качество может ухудшаться при акцентах, шуме, одновременной речи, неблагоприятном канале записи и переключении языков. Числа выводятся в произносимой форме, поэтому для получения цифр требуется обратная нормализация текста на персидском языке.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🎙️ Shenava Koochik v1.0 · شنوا کوچیک

The 114M-parameter flagship of the Shenava-1 Persian ASR family. This is the FP32 NeMo source checkpoint for evaluation, fine-tuning, and export; use one of the deployment repositories below for browser, Core ML, sherpa-onnx, or tract applications.

✨ At a glance | معرفی سریع

Englishفارسی
🧠 Role114M flagship teacherمدل معلم و پرچم‌دار ۱۱۴M
📦 FormatFP32 NeMo sourcecheckpoint اصلی FP32 و NeMo
🎧 Input16 kHz mono Persian speechگفتار فارسی تک‌کانالهٔ ۱۶ کیلوهرتز
📝 OutputPersian transcriptionرونویسی فارسی
🛠️ Best forEvaluation, fine-tuning, and exportارزیابی، آموزش تکمیلی و تبدیل

🧠 Model

  • Architecture: FastConformer Hybrid RNNT/CTC; the CTC head is used by the published deployment exports.
  • Audio: mono, 16 kHz Persian speech.
  • Encoder: d_model=512, 17 layers, 8x subsampling (about 80 ms per encoder step).
  • Contexts: [70,13], [70,6], [70,1], and [70,0].
  • Tokenizer: ve_tok_v4, SentencePiece BPE-1024 plus CTC blank.
  • Output: Persian text. Numbers are emitted in spoken form; apply Persian inverse text normalization when digits are wanted.

The two .nemo filenames are compatibility aliases with identical content and SHA-256:

f7b5124a9fd2d50c15bf070abdc0f80ec2449d64948c5657adb79a7e91dd1d16

📊 Published evaluation

Decoded with context [70,13] and the double-benchmark ITN/Persian-digit normalization convention.

SetWERCER
visualears-golden-66697.49%2.30%
FLEURS-fa10.64%3.79%

🚀 Load with NeMo

from nemo.collections.asr.models import ASRModel

model = ASRModel.restore_from("shenava-koochik-v1.0.nemo")
text = model.transcribe(["speech.wav"])[0].text
print(text)

🧩 Deployment variants

🇮🇷 خلاصهٔ فارسی

این مخزن نسخهٔ اصلی FP32 و NeMo مدل ۱۱۴ میلیون‌پارامتری «شنوا کوچیک» است. برای اجرای مرورگر، Core ML، sherpa-onnx یا tract از مخزن مخصوص همان قالب استفاده کنید. ورودی گفتار فارسی تک‌کانالهٔ ۱۶ کیلوهرتز و خروجی متن فارسی است.

🌌 Explore Shenava-1

🧠 Koochik 114M · ⚖️ Rizeh 32M · 🐣 Rizeh-Pizeh 6.9M · 🌐 Browser · 🍎 Apple · 🦀 Rust

Apache-2.0. ASR quality can vary with accent, noise, overlap, recording channel, and code-switching; review meaning-critical transcripts before relying on them.

Как запустить

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

GPU в ailist

Универсальный рантайм · nemo

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
45b4912

0 моделей