/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2-bert · dense
Базовая модель
wav2vec2-bert-CV16-en
Библиотека
transformers
Опубликована
29 сен 2026

hf-audio-wav2vec2-bert-CV16-en-finetune

Распознавание речиАудио → текст8 профессий

Дообученная Wav2Vec2-BERT-модель для преобразования английской речи в текст.

196скачиваний за 30 дней0лайковвеса обновлены30 сен 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.

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 artoowang/hf-audio-wav2vec2-bert-CV16-en-finetune — дообученная на базе hf-audio/wav2vec2-bert-CV16-en система автоматического распознавания речи. Она принимает аудио и преобразует английскую речь в текст; архитектура — Wav2Vec2-BERT с CTC-выходом, размер — 402,7 млн параметров. В README приведены значения на тестовой выборке: WER 0,0879 и loss 0,3271.

Модель подходит для транскрибации английской речи, например записей и аудиофрагментов. Карточка не описывает датасет дообучения, условия записи или ограничения качества, поэтому приведённые метрики нельзя переносить на другие аудиоданные без проверки. Формат весов — safetensors, библиотека — Transformers; лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание английской речи в коротких аудиофрагментах
  • получение текста из английских голосовых записей

Ограничения

README не раскрывает датасет дообучения и условия оценки, а метрики на тестовой выборке не гарантируют аналогичное качество на других аудиоданных.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hf-audio-wav2vec2-bert-CV16-en-finetune

This model is a fine-tuned version of hf-audio/wav2vec2-bert-CV16-en on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3271
  • Wer: 0.0879

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-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • 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
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossWer
0.24281.48513000.36590.1128
0.19062.97036000.32010.0964
0.12504.45549000.31230.0871
0.14185.940612000.32390.0840
0.14327.425715000.36210.0956
0.06938.910918000.30470.0855
0.138410.020200.32710.0879

Framework versions

  • Transformers 5.17.0
  • Pytorch 2.14.0
  • Datasets 5.0.1
  • Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
4465065

0 моделей