Нестрими́нговая модель Zipformer2 для распознавания таджикской речи и преобразования 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
Vosk Tajik — модель автоматического распознавания речи на таджикском языке, разработанная для использования с sherpa-onnx. Она построена на архитектуре Zipformer2 и работает в нестриминговом режиме: принимает аудио и преобразует речь в текст. Модель обучена на наборе данных Peacockery/tajik-asr-corpus-v3; версия 0.61. В метаданных указан формат ONNX и лицензия Apache-2.0.
В README приведены показатели WER: 13,85 на FLEURS Tajik и 28,21 на тестовой части Peacockery/tajik-asr-corpus-v3. Качество зависит от характеристик аудио и соответствия речи обучающим данным; потоковая обработка не поддерживается.
Модель работает только в нестриминговом режиме. WER заметно различается между тестовыми наборами: 13,85 на FLEURS Tajik и 28,21 на тестовой части Peacockery/tajik-asr-corpus-v3.
README от автора на Hugging Face, как он его опубликовал
Tajik automatic speech recognition (ASR) model for sherpa-onnx. Architecture is non-streaming Zipformer2.
Version 0.61
| Dataset | WER |
|---|---|
| FLEURS Tajik | 13.85 |
| Peacockery/tajik-asr-corpus-v3 (test split) | 28.21 |
This model was trained on Peacockery/tajik-asr-corpus-v3.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет весов в формате PyTorch/safetensors.