/ Модель
Каталог

Характеристики

Контекст
194 токена
Лицензия
MIT
Архитектура
moonshine · dense
Базовая модель
moonshine_tiny_pt_v05
Библиотека
transformers
Опубликована
3 июл 2026

Ссылки

Hugging Face

moonshine_tiny_pt_v06

aomocelin
Распознавание речиАудио → текст5 профессий

Дообученная модель Moonshine для преобразования речи в текст.

12скачиваний за 30 дней0лайковвеса обновлены3 июл 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

aomocelin/moonshine_tiny_pt_v06 — дообученная модель семейства Moonshine для автоматического распознавания речи. Она принимает аудио и выдаёт текст; в README указано, что модель дообучена на основе aomocelin/moonshine_tiny_pt_v05, но обучающий набор данных не раскрыт. Модель построена на архитектуре MoonshineForConditionalGeneration и распространяется в формате safetensors для библиотеки Transformers. Лицензия — MIT.

В README приведены результаты оценки: Loss 11.9592 и WER 2.9991; без описания набора данных и протокола оценки эти значения сложно интерпретировать. Метаданные указывают контекст в 194 токена. Язык распознавания из доступных сведений установить нельзя.

Сценарии применения

  • транскрибирование аудиозаписей
  • автоматическое распознавание речи в голосовых сообщениях
  • преобразование речи в текст в приложениях на Transformers

Ограничения

Обучающий набор данных не указан, поэтому язык и области применения распознавания по карточке определить нельзя. Метрики приведены без описания набора и протокола оценки, что ограничивает их интерпретацию.

Для каких профессий подходит5

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

moonshine_tiny_pt_v06

This model is a fine-tuned version of aomocelin/moonshine_tiny_pt_v05 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 11.9592
  • Wer: 2.9991

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: 5e-06
  • train_batch_size: 4
  • eval_batch_size: 128
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH 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: 0.03
  • training_steps: 15000
  • mixed_precision_training: Native AMP
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation LossWer
1.88750.333310011.938413.8238
1.74250.666720012.44328.8566
1.67361.030012.17855.4358
1.59271.333340012.20733.9831
1.54911.666750012.12133.1396
1.53262.060012.15342.9053
1.49352.333370012.17362.5773
1.51012.666780012.13772.5773
1.47173.090012.05472.3430
1.47003.3333100012.18162.6242
1.48573.6667110012.22442.4836
1.46024.0120012.05992.3899
1.49014.3333130012.21002.2024
1.45684.6667140012.18982.3430
1.44495.0150012.07392.2962
1.44655.3333160012.18672.2962
1.45385.6667170012.09172.2024
1.45516.0180012.13302.3899
1.43736.3333190012.07742.4367
1.43586.6667200012.06472.2493
1.43577.0210012.19092.2493
1.43267.3333220012.11282.4836
1.43157.6667230012.14782.3899
1.43858.0240012.02442.4367
1.42378.3333250012.04612.2493
1.42858.6667260012.17032.5305
1.42519.0270012.13012.2024
1.42069.3333280012.11472.2962
1.41899.6667290012.04852.1556
1.425810.0300012.10072.3899
1.420610.3333310012.11932.2024
1.414810.6667320011.97682.4836
1.427711.0330012.11222.3899
1.414411.3333340012.11372.3899
1.420311.6667350012.17342.1556
1.417812.0360012.24542.4836
1.413912.3333370012.21052.4367
1.414012.6667380012.09252.4836
1.417513.0390012.08422.3899
1.413413.3333400012.12752.5305
1.411913.6667410012.05792.6242
1.415014.0420012.15892.6242
1.410914.3333430012.13732.4836
1.410114.6667440012.07422.3899
1.417015.0450012.16802.4836
1.411815.3333460011.97492.5305
1.409815.6667470012.01812.6242
1.411916.0480011.99032.6242
1.411816.3333490012.06112.4367
1.412816.6667500012.03912.5773
1.408317.0510012.13082.6242
1.408517.3333520012.10022.6242
1.408917.6667530012.03492.5773
1.410918.0540012.02562.7179
1.407118.3333550012.04322.7179
1.408918.6667560012.00912.6710
1.405519.0570012.16162.4836
1.406919.3333580012.10052.8116
1.404719.6667590012.06442.8585
1.409420.0600011.97792.7648
1.407020.3333610012.04922.7648
1.406320.6667620012.13312.9053
1.405021.0630012.02532.8116
1.404921.3333640012.08082.9991
1.405921.6667650012.19292.8585
1.404022.0660012.03422.7179
1.404722.3333670011.99772.7648
1.404022.6667680011.88293.1396
1.404023.0690011.97782.9991
1.403823.3333700011.99512.9053
1.403123.6667710011.96502.9053
1.402024.0720012.05312.7648
1.400824.3333730012.02622.8116
1.401824.6667740012.03072.9522
1.403725.0750011.99642.9522
1.401825.3333760012.04132.9991
1.402425.6667770011.94252.9522
1.402426.0780012.00682.8585
1.402226.3333790012.02302.8116
1.401226.6667800012.05302.9522
1.401727.0810012.07592.9522
1.401527.3333820012.01232.9522
1.400527.6667830012.04712.7648
1.401328.0840011.96502.9522
1.401828.3333850011.92062.8585
1.400228.6667860012.03432.9053
1.400229.0870012.07372.8585
1.401129.3333880012.10402.8585
1.398829.6667890012.06882.9522
1.400430.0900012.08052.8116
1.399930.3333910012.05402.7648
1.399530.6667920012.02452.9053
1.399531.0930012.00172.9053
1.398131.3333940012.06642.8585
1.398731.6667950011.96162.8585
1.400832.0960011.91592.8116
1.398232.3333970012.00142.9053
1.399532.6667980011.98992.9053
1.399833.0990011.88162.9522
1.398133.33331000012.07032.8585
1.398733.66671010012.02972.8585
1.397734.01020012.04172.7648
1.398334.33331030011.94802.9522
1.398334.66671040011.90152.8116
1.398535.01050011.94552.9991
1.397435.33331060011.99392.9053
1.396535.66671070012.06382.9991
1.399136.01080011.97772.9053
1.397236.33331090012.03332.8585
1.396736.66671100011.95792.8585
1.398737.01110011.93822.9522
1.399137.33331120012.01072.9053
1.396537.66671130011.82213.1396
1.395938.01140012.00862.8585
1.397138.33331150011.96712.8585
1.396638.66671160012.02012.9991
1.396939.01170012.01822.8585
1.397139.33331180011.96723.2802
1.395539.66671190011.98902.9991
1.397340.01200012.02082.8585
1.396340.33331210012.00483.1396
1.396440.66671220011.94093.2802
1.396741.01230011.99292.9991
1.397441.33331240011.97832.9053
1.395941.66671250012.11012.9522
1.397742.01260011.98392.9522
1.396542.33331270011.86023.2802
1.395342.66671280011.98933.1865
1.395943.01290011.83093.2802
1.396243.33331300012.11242.9522
1.395143.66671310012.03312.9522
1.395744.01320012.05053.0928
1.394844.33331330012.07383.0459
1.396944.66671340012.05613.0459
1.395545.01350011.92943.1865
1.395045.33331360012.03583.2334
1.395745.66671370012.02312.9991
1.395346.01380011.94523.1865
1.395646.33331390012.08003.1396
1.395946.66671400011.97623.1865
1.396047.01410011.97653.2334
1.396347.33331420011.97923.1865
1.393847.66671430011.97293.1396
1.396448.01440011.98023.0459
1.394848.33331450012.02342.9522
1.395748.66671460011.97463.1396
1.397549.01470012.11012.9522
1.394849.33331480012.01462.9991
1.396349.66671490011.99492.9522
1.395750.01500011.95922.9991

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+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
MoonshineForConditionalGeneration
Ревизия весов
195a6d4

0 моделей

    Создать бенчмарк