Дообученная на казахской речи модель omniASR CTC 1B для автоматической транскрибации аудио в текст.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Zhxshy/omni-ctc-1b-kazakh — дообученная на казахской речи модель автоматического распознавания речи на базе omniASR CTC 1B от Facebook. Она преобразует аудио на казахском языке в текст и рассчитана на сценарии транскрибирования речи. По данным README, при оценке на dev-наборе модель показала WER 23,92% против 51,4% у базовой модели. Для работы указаны fairseq2 и omnilingual-asr. Модель распространяется по лицензии MIT.
На dev-наборе указана ошибка WER 23,92%, поэтому в распознавании возможны существенные ошибки. Результат зависит от качества и условий записи аудио.
README от автора на Hugging Face, как он его опубликовал
Fine-tuned version of omniASR CTC 1B on Kazakh speech data.
| Model | WER (dev) |
|---|---|
| Base omniASR 1B | 51.4% |
| Fine-tuned (this model) | 23.92% |
Load with fairseq2 / omnilingual-asr framework.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет config.json: не понять архитектуру модели.