/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
10 апр 2025

SPTK-2

Распознавание речиАудио → текст8 профессий

SPTK-2 — многоязычная encoder-decoder модель SVECTOR для распознавания и транскрибации речи, перевода и расстановки временных меток.

23скачиваний за 30 дней9лайковвеса обновлены30 апр 2025

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

SPTK-2 — многоязычная модель автоматического распознавания речи от SVECTOR. Это модель типа encoder-decoder с архитектурой E-Branchformer и разреженным MoE-декодером; веса представлены в формате safetensors. Модель предназначена для транскрибации аудио, перевода распознанной речи и получения временных меток. В README заявлена поддержка более 99 языков, а метаданные перечисляют языки, включая русский, английский, китайский, немецкий, испанский, корейский, японский и другие. Модель опубликована в апреле 2025 года.

Карточка сообщает об улучшенной точности распознавания, точности временных меток и энергоэффективности по сравнению с предыдущими моделями, однако сравнительные результаты не приведены. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Сценарии применения

  • транскрибация аудиозаписей на разных языках
  • распознавание речи в аудиопотоке
  • создание субтитров с временными метками
  • перевод распознанной речи
  • многоязычная расшифровка голосовых сообщений

Ограничения

Заявленные преимущества в точности и энергоэффективности не сопровождаются сравнительными метриками в предоставленной карточке. Лицензия обозначена как other, поэтому конкретные условия использования из этих данных определить нельзя.

Для каких профессий подходит8

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

SPTK-2

SPTK-2 is an open multilingual automatic speech recognition (ASR) model developed by SVECTOR.
It supports (after revised) 96 languages and offers improved accuracy, timestamp precision, and energy efficiency compared to previous models.

📄 Read the paper: SPTK: A Framework for Universal Multilingual ASR (2025)


🧪 Example Usage

from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq
import torchaudio

processor = AutoProcessor.from_pretrained("SVECTOR-CORPORATION/SPTK-2")
model = AutoModelForSpeechSeq2Seq.from_pretrained("SVECTOR-CORPORATION/SPTK-2")

# Load and preprocess audio
audio, sr = torchaudio.load("your_audio_file.mp3")
inputs = processor(audio[0], sampling_rate=sr, return_tensors="pt")

# Generate transcription
with torch.no_grad():
    predicted_ids = model.generate(inputs.input_values)

# Decode output
print(processor.batch_decode(predicted_ids, skip_special_tokens=True))

📦 Model Details

  • Model type: Encoder-decoder
  • Architecture: E-Branchformer + Sparse MoE decoder
  • Languages: 99+
  • Supports transcription, translation, timestamps
  • Released: April 2025

📜 License

This model is licensed under the SVECTOR Proprietary License.
For research or commercial use, please contact licence@svector.co.in.


🔗 Related

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
cd9f608

0 моделей