/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
8 июн 2022

w2v-xls-r-uk

Распознавание речиАудио → текст9 профессий

Дообученная wav2vec2-модель для распознавания украинской речи и преобразования аудиозаписей в текст.

713 тыс.скачиваний за 30 дней8лайковвеса обновлены12 мая 2025

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

Yehor/w2v-xls-r-uk — модель автоматического распознавания украинской речи от автора Yehor, дообученная на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC семейства wav2vec2, содержит 402,7 млн параметров и принимает аудио, преобразуя его в текст. В метаданных указан датасет Common Voice 10.0 для украинского языка.

Модель подходит для транскрибации украинской речи и распознавания записей. В карточке приведены результаты оценки: WER 20,24% и CER 3,64%; для оценки использовались float16 и batch_size=1. README предупреждает, что следует использовать обновлённую модель. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • транскрибация записей на украинском языке
  • распознавание украинской речи в аудиозаписях
  • создание текстовых расшифровок речи

Ограничения

В README рекомендуется использовать обновлённую модель. На приведённой оценке WER составляет 20,24%, поэтому распознавание может содержать ошибки.

Для каких профессий подходит9

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

🚨🚨🚨 ATTENTION! 🚨🚨🚨

Use an updated model: https://huggingface.co/Yehor/w2v-bert-uk-v2.1


Community

See other Ukrainian models: https://github.com/egorsmkv/speech-recognition-uk

Evaluation results

Metrics (float16) using evaluate library with batch_size=1:

  • WER: 0.2024 metric, 20.24%
  • CER: 0.0364 metric, 3.64%
  • Accuracy on words: 79.76%
  • Accuracy on chars: 96.36%
  • Inference time: 63.4848 seconds
  • Audio duration: 16665.5212 seconds
  • RTF: 0.0038

Cite this work

@misc {smoliakov_2025,
	author       = { {Smoliakov} },
	title        = { w2v-xls-r-uk (Revision 55b6dc0) },
	year         = 2025,
	url          = { https://huggingface.co/Yehor/w2v-xls-r-uk },
	doi          = { 10.57967/hf/4556 },
	publisher    = { Hugging Face }
}

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
e3ced4d

0 моделей