/ Модель
Каталог

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense
Базовая модель
wavlm-base
Библиотека
transformers
Опубликована
26 ноя 2025

Ссылки

Hugging Face

wavlm-salt-eng

ajikadev
Распознавание речиАудио → текст9 профессий

Дообученная на многоголосых английских записях WavLM-модель для преобразования речи в текст.

16скачиваний за 30 дней0лайковвеса обновлены26 ноя 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.

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

ajikadev/wavlm-salt-eng — дообученная модель распознавания английской речи на основе microsoft/wavlm-base. Это плотная модель семейства WavLM с архитектурой WavLMForCTC, содержащая 113,3 млн параметров; она принимает аудио и преобразует речь в текст. Модель дообучена на многоголосом англоязычном наборе SUNBIRD/SALT - MULTISPEAKER-ENG.

На оценочном наборе указаны loss 0,2244 и WER 0,2118. Модель подходит для транскрибации английской речи, в том числе записей с несколькими говорящими. Эти результаты относятся к указанному набору данных и сами по себе не гарантируют такое же качество на других типах аудио. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание речи нескольких говорящих
  • подготовка текстовых расшифровок для анализа аудио

Ограничения

Указанный WER 0,2118 получен на оценочном наборе SUNBIRD/SALT; качество на иных данных может отличаться. В README не приведены подробности о сценариях применения и ограничениях.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.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 953моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wavlm-salt-eng

This model is a fine-tuned version of microsoft/wavlm-base on the SUNBIRD/SALT - MULTISPEAKER-ENG dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2244
  • Wer: 0.2118

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: 0.0003
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 2
  • 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: 500.0
  • training_steps: 30000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.38033.322810000.31070.3624
0.16636.645620000.27400.3097
0.12069.968430000.24860.2903
0.093813.289540000.25880.2828
0.081616.612350000.27690.2785
0.068919.935160000.24570.2882
0.064223.256270000.26390.2914
0.056626.579080000.29540.2828
0.04929.901890000.31720.2763
0.045433.2230100000.31860.2828
0.039536.5458110000.27820.2817
0.038939.8686120000.28570.2828
0.032143.1897130000.26920.2527
0.028246.5125140000.25700.2559
0.026949.8353150000.24460.2624
0.023353.1564160000.23830.2473
0.022456.4792170000.28050.2473
0.019859.8020180000.25550.2516
0.015963.1231190000.20970.2409
0.01566.4459200000.23670.2505
0.01569.7687210000.24860.2527
0.012273.0899220000.24750.2527
0.010476.4126230000.23770.2344
0.00879.7354240000.23630.2441
0.008183.0566250000.23470.2333
0.007286.3794260000.22320.2290
0.006489.7022270000.22120.2280
0.004493.0233280000.22870.2258
0.00496.3461290000.22950.2344
0.003799.6689300000.22430.2204

Framework versions

  • Transformers 5.0.0.dev0
  • Pytorch 2.9.1+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WavLMForCTC
Ревизия весов
4bbe7a2

0 моделей

    Создать бенчмарк