Характеристики

Лицензия: Своя лицензия
Базовая модель: indicconformer_stt_as_hybrid_rnnt_large
Опубликована: 20 июл 2026

Ссылки

Hugging Face

indic_conformer_ctc_rnnt_finetuned

amn-raw

Распознавание речиАудио → текст

Дообученная Conformer-модель для преобразования ассамской речи в текст с использованием CTC или RNN-T.

0скачиваний за 30 дней0лайковвеса обновлены21 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 amn-raw/indic_conformer_ctc_rnnt_finetuned — дообученная AI4Bharat модель распознавания речи на архитектуре Conformer с гибридными CTC и RNN-T декодерами. Она обучена примерно на 87 часах аудио, около 40 тысячах примеров из поднабора assamese-asr-dataset, и предназначена для преобразования речи на ассамском языке в текст. В README показан пример транскрибации аудиофайла с частотой 16 кГц и одним каналом через NVIDIA NeMo; выбран декодер CTC.

Модель подходит для транскрибации записей и создания систем распознавания ассамской речи. В метаданных указана лицензия other; README рекомендует проверить лицензию базовой модели перед распространением производной модели. Характеристики качества и ограничения применения не приводятся.

Сценарии применения

транскрибация записей на ассамском языке
распознавание ассамской речи в аудиофайлах
создание сервиса автоматической транскрибации ассамской речи

Ограничения

Обучение выполнено примерно на 87 часах аудио и 40 тысячах примеров, поэтому качество за пределами обучающего набора не установлено. Перед распространением модели следует проверить лицензию базовой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

indicconformer_as_finetune_v1

Fine-tuned from ai4bharat/indicconformer_stt_as_hybrid_rnnt_large on a ~87hours (~40k sample) subset of ananddey/assamese-asr-dataset.

Usage

import nemo.collections.asr as nemo_asr
model = nemo_asr.models.ASRModel.from_pretrained("amn-raw/indic_conformer_ctc_rnnt_finetuned")
model.cur_decoder = "ctc"
print(model.transcribe(["sample_audio_16k_mono.wav"], batch_size=1, language_id="as")[0])

Note: this is a fine-tune of an AI4Bharat model — check the base model's license before redistributing.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов: 11790b7