/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
9 мая 2025

finetuned-w2v2-bert-burmese-asr

Распознавание речиАудио → текст4 профессии

Дообученная модель распознаёт бирманскую речь и преобразует аудио в текст.

145скачиваний за 30 дней2лайкавеса обновлены29 июл 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

Модель YonaKhine/finetuned-w2v2-bert-burmese-asr — дообученная на датасете OpenSLR-80 для распознавания речи на бирманском языке. Она принимает аудио и выдаёт текстовую транскрипцию; модель построена на архитектуре Wav2Vec2BertForCTC и содержит 402,7 млн параметров. Базовая модель — facebook/w2v-bert-2.0, используется библиотека Transformers.

В карточке приведены значения на тестовом наборе: loss 0,3886 и WER 0,4256. Пример транскрипции показывает, что возможны ошибки в словах и различиях гласных. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация записей на бирманском языке
  • распознавание бирманской речи в аудиозаписях
  • подготовка текстовых субтитров к бирманской речи

Ограничения

На тестовом наборе указан WER 0,4256, что означает заметную долю ошибок распознавания. Пример в карточке также содержит расхождение между произнесённой фразой и транскрипцией.

Для каких профессий подходит4

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

finetuned-w2v2-bert-burmese-asr

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the OpenSLR-80 Burmese Speech Dataset dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3886
  • Wer: 0.4256

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.29014.16783000.45850.5053
0.21278.33576000.38860.4256

🔊 Real Example Evaluation

🎤 Audio Sample

You can listen to an example where a user says:

မင်္ဂလာ ပါ တွေ့ရတာဝမ်းသာပါတယ် ရှင်

📝 Model Transcription

မင်္ဂလာ ပါ တွေ့ရတာ ဝမ်းသပါတယ် ရှင်

✅ Reference

မင်္ဂလာ ပါ တွေ့ရတာဝမ်းသာပါတယ် ရှင်

📉 Word Error Rate (WER)

WER ≈ 0.10 – minor vowel difference only, excellent semantic preservation.

🎧 Audio Playback

Download and listen: burmese_test.wav

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
3a0bb05

0 моделей