/ Модель

Характеристики

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

w2v-bert-2.0-zulu-asr

Распознавание речиАудио → текст5 профессий

Дообученная модель Wav2Vec2-BERT 2.0 для транскрибирования речи на зулу.

200скачиваний за 30 дней2лайкавеса обновлены4 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

Модель badrex/w2v-bert-2.0-zulu-asr разработана Badr al-Absi для автоматического распознавания речи на языке зулу. Это дообученная на 250 часах размеченной речи версия facebook/w2v-bert-2.0 с архитектурой Wav2Vec2-BERT: свёрточным извлекателем признаков и трансформерным энкодером; для распознавания используется CTC. В метаданных указано 402,7 млн параметров, формат весов — Safetensors. Авторы сообщают о WER ниже 16,3% на данных из целевого домена.

Модель принимает аудио и выдаёт текстовую транскрипцию. Она подходит для транскрибирования записей на зулу, голосовых интерфейсов и инструментов доступности. Лицензия — CC-BY-4.0, требующая указания авторства. Качество заявлено для данных целевого домена; приведённые примеры показывают возможные ошибки распознавания и нормализации слов.

Сценарии применения

  • транскрибирование аудиозаписей на зулу
  • распознавание зулусской речи в голосовых интерфейсах
  • создание субтитров для аудио и видео на зулу
  • распознавание речи для инструментов доступности на зулу

Ограничения

Заявленная WER ниже 16,3% относится к данным целевого домена; качество на других типах записи и в других акустических условиях не установлено. Примеры транскрипций содержат ошибки в словах и пунктуации.

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 Zulu automatic speech recognition (ASR). It was trained on the 250 hours of transcribed Zulu speech. The ASR model is robust and the in-domain WER is below 16.3%.

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

Examples 🚀

AudioHuman TranscriptionASR Transcription
1Yenza isinqumo ngezilimo uzozitshala kumaphi amasimu uphinde idwebe imephu njengereferensi yakho.yenza isinqumo ngezilimo ozozitshala kumaphi amasimu uphinde igwebe imephu njengereference yakho
2Emdlalweni wokugcina ngokumelene IFrance, wayengumuntu ongasetshenziswanga esikhundleni njengoba i-Argentina inqobe ngo-4-2 nge-penalty ukuze ithole isiqu sayo sesithathu seNdebe Yomhlaba.emdlalweni wokugqina ngokumelene i-france wayengumuntu ongasetshenziswanga esikhundleni njengoba i-argentina incobe ngo-4-2 ngephelnathi ukuze ithole isiqu sayo sesithathu sendebe yomhlaba
3Amadolobhana angaphandle angaphezu kwamamitha ambalwa, Reneging cishe 140m, amamitha angu-459.3, ngaphezu kogu lolwandle. Le ndawo iningi emahlathini ama-dune asogwini, ikakhulukazi eceleni kwe-zindunduma zasogwini nasedolobheni lase-Meerensee.amadolobhana angaphandle angaphezu kwamamitha ambalwa reneging cishe 140m amamitha angu 4593 ngaphezu kogulolwandle le ndawo iningi emahlabathini amedum esogwini ikakhulukazi eceleni kwezindunduma zasogwini nasedolobheni lasemerins

Direct Use

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

from transformers import Wav2Vec2BertProcessor, Wav2Vec2BertForCTC
import torch
import torchaudio

# load model and processor
processor = Wav2Vec2BertProcessor.from_pretrained("badrex/w2v-bert-2.0-zulu-asr")
model = Wav2Vec2BertForCTC.from_pretrained("badrex/w2v-bert-2.0-zulu-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 Zulu speakers
  • transcription services for Zulu content
  • accessibility tools for Zulu-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_zulu_asr,
  author = {Badr M. Abdullah},
  title = {Adapting Wav2Vec2-BERT 2.0 for Zulu ASR},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/badrex/w2v-bert-2.0-zulu-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
9855bac

0 моделей