/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY 4.0
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
4 ноя 2025

w2v-bert-2.0-malagasy-asr

Распознавание речиАудио → текст5 профессий

Дообученная модель Wav2Vec2-BERT распознаёт малагасийскую речь и преобразует аудио в текст.

232скачиваний за 30 дней4лайкавеса обновлены19 ноя 2025

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

Badr al-Absi разработал модель для автоматического распознавания малагасийской речи. Это дообученная на 150 часах размеченной малагасийской речи модель facebook/w2v-bert-2.0 с архитектурой Wav2Vec2-BERT: трансформерным речевым энкодером, свёрточным извлекателем признаков и CTC-выходом. По метаданным модель содержит 402,7 млн параметров и распространяется в формате Safetensors.

Модель подходит для транскрибации аудио на малагасийском языке, голосовых помощников и инструментов доступности для малагасийских сообществ. Внутридоменная оценка WER в карточке указана ниже 11,7%; качество на других типах записей может отличаться. Лицензия — CC-BY-4.0.

Сценарии применения

  • транскрибация записей на малагасийском языке
  • распознавание малагасийской речи в голосовых помощниках
  • создание субтитров для малагасийского аудио
  • распознавание речи для инструментов доступности
  • исследования распознавания речи для языков с ограниченными ресурсами

Ограничения

Заявленная WER ниже 11,7% относится к внутридоменной оценке; качество на других типах аудио может отличаться. Модель предназначена для распознавания малагасийской речи.

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 🍍

This model is a fine-tuned version of Wav2Vec2-BERT 2.0 for Malagasy automatic speech recognition (ASR). It was trained on 150 hours of transcribed Malagasy speech. The ASR model is robust and the in-domain WER is below 11.7%.

  • Developed by: Badr al-Absi
  • Model type: Speech Recognition (ASR)
  • Language: Malagasy (mg)
  • License: CC-BY-4.0
  • Finetuned from: facebook/w2v-bert-2.0

Direct Use

The model can be used directly for automatic speech recognition of a Malagasy audio:

from transformers import Wav2Vec2BertProcessor, Wav2Vec2BertForCTC
import torch
import torchaudio

# load model and processor
processor = Wav2Vec2BertProcessor.from_pretrained("badrex/w2v-bert-2.0-malagasy-asr")
model = Wav2Vec2BertForCTC.from_pretrained("badrex/w2v-bert-2.0-malagasy-asr")

# load audio
audio_input, sample_rate = torchaudio.load("path/to/audio.wav")

# preprocess
inputs = processor(audio_input.squeeze(), sampling_rate=sample_rate, return_tensors="pt")

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

# decode
predicted_ids = torch.argmax(logits, dim=-1)
transcription = processor.batch_decode(predicted_ids)[0]
print(transcription)

Downstream Use

This model can be used as a foundation for:

  • building voice assistants for Malagasy speakers
  • transcription services for Malagasy content
  • accessibility tools for Malagasy-speaking communities
  • research in low-resource speech recognition

Model Architecture

  • Base model: Wav2Vec2-BERT 2.0
  • Architecture: transformer-based with convolutional feature extractor
  • Parameters: ~600M (inherited from base model)
  • Objective: connectionist temporal classification (CTC)

Funding

The development of this model was supported by CLEAR Global and Gates Foundation.

Citation

@misc{w2v_bert_malagasy_asr,
  author = {Badr M. Abdullah},
  title = {Adapting Wav2Vec2-BERT 2.0 for Malagasy ASR},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/badrex/w2v-bert-2.0-malagasy-asr}
}

Model Card Contact

For questions or issues, please contact via the Hugging Face model repository in the community discussion section.

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
2f44730

0 моделей