/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Библиотека
transformers
Опубликована
9 авг 2026

Ссылки

Hugging Face

wav2vec2-balti-specaugment

YuvrajGujari
Распознавание речиАудио → текст5 профессий

Дообученная на данных generator модель Wav2Vec2 для распознавания речи на балти и преобразования аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены9 авг 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.

Открыть конструктор бенчмарка

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

wav2vec2-balti-specaugment — модель распознавания речи, разработанная автором репозитория YuvrajGujari и дообученная на базе facebook/wav2vec2-xls-r-300m на наборе данных generator. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования аудиозаписей речи в текст; название указывает на настройку для языка балти и применение SpecAugment при обучении. На оценочном наборе указаны Loss 0,2866 и WER 0,2212.

Модель принимает аудио и выдаёт текст. Базовая модель мультиязычная, но конкретная поддержка языков и пределы качества этой версии в карточке подробно не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на балти
  • распознавание балтийской речи в аудиозаписях
  • создание текстовых расшифровок речевых записей

Ограничения

В карточке приведены результаты только на оценочном наборе: WER 0,2212 и Loss 0,2866; подробности об оценке и ограничениях применения отсутствуют.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-balti-specaugment

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the generator dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2866
  • Wer: 0.2212

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: 0.0002
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 300
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
25.67510.39712003.18761.0
22.32180.79424002.37920.9999
7.68441.19066000.71010.5854
5.72571.58778000.54930.4532
5.34731.984910000.48290.3935
4.63742.381212000.45030.3841
4.45382.778414000.41690.3531
3.69163.174716000.38780.3464
3.70183.571918000.38640.3206
3.43363.969020000.36220.3303
3.11144.365422000.35460.3084
3.29204.762524000.34160.2986
2.76485.158826000.33890.2966
2.84105.556028000.32200.2858
2.84525.953130000.32810.2724
2.42036.349532000.32610.2707
2.66646.746634000.30930.2632
2.25347.143036000.32000.2630
2.34737.540138000.32530.2650
2.31967.937240000.31890.2541
2.08048.333642000.30560.2548
1.96658.730744000.30400.2529
1.74369.127146000.32070.2458
1.87359.524248000.30800.2428
1.77199.921350000.30860.2378
1.680410.317752000.30630.2428
1.938810.714854000.29290.2402
1.419911.111256000.31400.2325
1.609711.508358000.30640.2308
1.472611.905460000.29440.2324
1.551912.301862000.29690.2251
1.173812.698964000.30510.2252
1.278213.095366000.29730.2243
1.245613.492468000.29430.2248
1.373113.889670000.28820.2227
1.441714.285972000.28320.2211
1.316814.683074000.28660.2212

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
2c9d79e

0 моделей

    Создать бенчмарк