/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b
Библиотека
transformers
Опубликована
24 мар 2026

Ethio-ASR-multilingual-1B

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2 для распознавания речи на пяти языках Эфиопии, дообученная на WAXAL Speech Dataset.

198скачиваний за 30 дней2лайкавеса обновлены3 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 multilingual 1B — модель автоматического распознавания речи команды Ethio-ASR, созданная дообучением facebook/mms-1b на наборе WAXAL Speech Dataset. Она предназначена для транскрибирования аудио на амхарском, тигринья, афаан-оромо, сидама и волайтта; в карточке также заявлена идентификация языка речи. Модель построена на архитектуре Wav2Vec2 с CTC-выходом, содержит 1,3 млрд параметров и распространяется в формате safetensors для Transformers.

На тестовой части WAXAL модель показала средний WER 31,20; лучшие результаты среди перечисленных языков — для афаан-оромо (23,69) и волайтта (37,51). Её можно использовать как основу для голосовых помощников, средств доступности и исследовательских сравнений. Лицензия CC-BY-NC 4.0 ограничивает коммерческое использование. Качество может различаться в зависимости от диалекта, возраста и пола говорящего и качества записи; для шумного аудио без предварительной очистки речи модель не рекомендуется, а в критически важных сценариях необходима проверка человеком.

Сценарии применения

  • транскрибирование аудио на амхарском языке
  • распознавание речи на тигринья
  • транскрибирование Afaan Oromo, Sidama и Wolaytta
  • определение языка в многоязычной эфиопской речи
  • распознавание речи для голосовых помощников и средств доступности

Ограничения

Качество может меняться в зависимости от диалекта, говорящего и условий записи; модель не предназначена для языков вне пяти заявленных. Шумное аудио без улучшения качества и высокорисковые применения без проверки человеком находятся вне целевого сценария.

Для каких профессий подходит5

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

⚒️ Model Description

Ethio-ASR is a suite of multilingual Automatic Speech Recognition (ASR) models that support five Ethiopian languages: Amharic, Tigrinya, Afaan Oromo, Sidama, and Wolaytta. The ASR model in this repo is based on the mms-1b pre-trained model by fine-tuning it on the WAXAL Speech Dataset.

  • Developed by: Ethio-ASR Team
  • Task: Speech Recognition (ASR) and Language Identification (LID)
  • Languages: Amharic, Tigrinya, Afaan Oromo, Sidama, and Wolaytta
  • License: CC-BY-NC 4.0
  • Finetuned from: facebook/mms-1b

📈 Evaluation on WAXAL Test Set

📌 ASR model in this HF repo

Model# ParamsAmharicTigrinyaOromoWolayttaSidaamaAvg.
Ethio-ASR (afrihubert)92M30.9542.4227.5740.4434.0235.08
Ethio-ASR (mms-300)300M30.1941.6226.4139.1032.6633.99
Ethio-ASR (mms-1b) 📌1B26.1437.6323.6937.5131.0231.20
Ethio-ASR (w2v-bert-2.0)600M22.9235.2224.4438.1931.6530.48

🎧 Direct Use

from transformers import AutoModelForCTC, AutoProcessor
import torchaudio, torch

processor = AutoProcessor.from_pretrained("badrex/Ethio-ASR-multilingual-1B")
model = AutoModelForCTC.from_pretrained("badrex/Ethio-ASR-multilingual-1B")

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 outside Amharic, Tigrinya, Afaan Oromo, Sidama, and Wolaytta.
  • 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-1B}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
7f6dd43

0 моделей