/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
12 мая 2026

wav2vec2-bert-assyrian-urmi-asr

Распознавание речиАудио → текст5 профессий

Модель распознаёт речь на урмийском варианте ассирийского новоарамейского языка и преобразует аудиозаписи в текст.

89скачиваний за 30 дней0лайковвеса обновлены12 мая 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 Selest/wav2vec2-bert-assyrian-urmi-asr — дообученная Selest версия Wav2Vec2BertForCTC на аудиоданных у́рмийского диалекта ассирийского новоарамейского языка в сирийской традиции письма. Она преобразует речь в текст и принимает аудиопризнаки log-mel, подготовленные SeamlessM4TFeatureExtractor; частота дискретизации — 16 кГц. В основу положена facebook/w2v-bert-2.0, обучение включало аугментацию скорости речи. Модель содержит около 402,7 млн параметров и распространяется в формате Safetensors для Transformers.

Модель предназначена для автоматического распознавания ассирийской новоарамейской речи, в частности записей урмийского варианта. Качество зависит от условий записи и охвата словаря, поэтому перед применением в конкретной предметной области нужна оценка на соответствующих аудиозаписях. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей речи на урмийском ассирийском
  • распознавание ассирийской речи в аудиоархивах
  • создание текстовых расшифровок интервью на урмийском
  • подготовка субтитров для записей на ассирийском новоарамейском

Ограничения

Качество зависит от условий записи и охвата словаря; перед использованием в конкретной области рекомендуется проверить модель на соответствующих данных.

Для каких профессий подходит5

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

Wav2Vec2-BERT CTC (speed perturbation)

Fine-tuned Wav2Vec2BertForCTC on Neo-Aramaic (Assyrian / Syriac tradition) — Urmi (Urmia) ASR data. Hub language: aii (Assyrian Neo-Aramaic). Base checkpoint: facebook/w2v-bert-2.0.
Input: log-mel features via SeamlessM4TFeatureExtractor (see preprocessor_config.json), sampling rate 16000 Hz.

Веса в репозитории для выгрузки: model.safetensors (копия из best_model).

Usage

import torch
from transformers import Wav2Vec2BertForCTC, Wav2Vec2BertProcessor
import soundfile as sf

model_id = "<YOUR_HF_USERNAME>/<YOUR_REPO_NAME>"
processor = Wav2Vec2BertProcessor.from_pretrained(model_id)
model = Wav2Vec2BertForCTC.from_pretrained(model_id)

audio, sr = sf.read("audio.wav", dtype="float32")
if sr != 16000:
    raise ValueError(f"Expected 16 kHz, got {sr}")

inputs = processor(audio, sampling_rate=16000, return_tensors="pt")
with torch.inference_mode():
    logits = model(**inputs).logits
pred_ids = torch.argmax(logits, dim=-1)
text = processor.batch_decode(pred_ids)[0]
print(text)

Training

Augmentation included speed perturbation (details in experiment repo / paper).

Limitations

Model quality depends on recording conditions and vocabulary coverage; evaluate on your domain before production use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
3971573

0 моделей