/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY 4.0
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
24 мар 2026

Ethio-ASR-amharic

Распознавание речиАудио → текст4 профессии

Модель Ethio-ASR распознаёт амхарскую речь и преобразует аудио в текст.

1 652скачиваний за 30 дней2лайкавеса обновлены4 апр 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

Ethio-ASR Amharic — модель автоматического распознавания речи, разработанная командой Ethio-ASR. Это одноязычная модель для транскрибирования амхарской речи, дообученная на амхарской части набора WAXAL Speech Dataset на основе facebook/w2v-bert-2.0. Архитектура wav2vec2-bert-2.0 реализована классом Wav2Vec2BertForCTC; модель содержит 403,1 млн параметров и работает с аудио на входе, выдавая текст.

Модель подходит для амхарских голосовых помощников, инструментов доступности и исследовательских сравнений. Репозиторий указывает лицензию CC-BY-4.0. Распознавание языков, кроме амхарского, не заявлено; качество может различаться в зависимости от диалекта, пола и возраста говорящего и условий записи. Для шумного аудио без предварительного улучшения речи модель не рекомендуется, а в критически важных сценариях требуется проверка человеком.

Сценарии применения

  • транскрибирование амхарской речи
  • распознавание речи для амхарского голосового помощника
  • создание субтитров и текстовых расшифровок на амхарском
  • распознавание речи в инструментах доступности
  • оценка систем распознавания амхарской речи

Ограничения

Модель предназначена для амхарского языка; качество зависит от диалекта, пола и возраста говорящего и качества записи. Для шумного аудио без предварительного улучшения речи она не рекомендована, а результаты в критически важных сценариях следует проверять человеком.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

⚒️ Model Description

Ethio-ASR is a suite of Automatic Speech Recognition (ASR) models for Ethiopian languages. This repo contains a monolingual Amharic ASR model based on wav2vec2‑bert-2.0, fine-tuned on the Amharic subset of the WAXAL Speech Dataset.

  • Developed by: Ethio-ASR Team
  • Task: Speech Recognition (ASR)
  • Language: Amharic
  • License: CC-BY-4.0
  • Finetuned from: facebook/w2v-bert-2.0

📈 Evaluation on WAXAL Test Set (Amharic)

📌 ASR model in this HF repo

Model# ParamsAmharic WER (↓)
Ethio-ASR (afrihubert)94M30.95
Ethio-ASR (mms-300)300M30.19
Ethio-ASR (mms-1b)1B26.14
Ethio-ASR (w2v-bert-2.0)600M22.92
Monolingual SFT (w2v-bert-2.0) 📌600M22.37

🎧 Direct Use

from transformers import AutoModelForCTC, AutoProcessor
import torchaudio, torch

processor = AutoProcessor.from_pretrained("badrex/Ethio-ASR-amharic")
model = AutoModelForCTC.from_pretrained("badrex/Ethio-ASR-amharic")

audio, sr = torchaudio.load("audio.wav")
inputs = processor(audio.squeeze(), sampling_rate=sr, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

pred_ids = torch.argmax(logits, dim=-1)
transcription = processor.batch_decode(pred_ids)[0]

print(transcription)

🔧 Downstream Use

  • Voice assistants
  • Accessibility tools
  • Research baselines

🚫 Out‑of‑Scope Use

  • Languages other than Amharic
  • High‑stakes deployments without human review
  • Noisy audio without speech enhancement

⚠️ Risks & Limitations

Performance might vary across dialects, genders, ages, and recording quality.

📌 Citation

@misc{ethio_asr_2026,
  author = {
    Abdullah, Badr M. and
    Azime, Israel Abebe and
    Tonja, Atnafu Lambebo and
    Alabi, Jesujoba O. and
    Alemu, Abel Mulat and
    Hagos, Eyob G. and
    Balcha, Bontu Fufa and
    Nerea, Mulubrhan A. and
    Yadeta, Debela Desalegn and
    Marilign, Dagnachew Mekonnen and
    Fentahun, Amanuel Temesgen and
    Kebede, Tadesse and
    Gebru, Israel D. and
    Woldeyohannis, Michael Melese and
    Sewunetie, Walelign Tewabe and
    Möbius, Bernd and
    Klakow, Dietrich
  },
  title = {Ethio-ASR: Joint Multilingual Speech Recognition and Language Identification for Ethiopian Languages},
  year = {2026},
  howpublished = {\url{https://huggingface.co/badrex/Ethio-ASR-multilingual-600M}}
}

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
edda1ab

0 моделей