/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
12 ноя 2025

Ссылки

Hugging Face

wav2vec2-base-en-phoneme-ctc-41h

bobboyms
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec 2.0 модель преобразует английскую речь в последовательности фонем.

318скачиваний за 30 дней0лайковвеса обновлены12 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.

Открыть конструктор бенчмарка

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

bobboyms/wav2vec2-base-en-phoneme-ctc-41h — модель распознавания английской речи, полученная дообучением facebook/wav2vec2-base. Это архитектура wav2vec 2.0 с CTC-головой, содержащая 113,3 млн параметров; модель принимает аудио и предназначена для вывода фонемной последовательности. В README приведены результаты оценки: PER 0,1045 и точность распознавания фонем 0,8955; набор данных не назван.

Модель можно применять для преобразования английской речи в фонемы, например, в задачах фонетического анализа и подготовки произношения. Данные карточки не описывают ограничения по акустическим условиям или способу использования результатов. Лицензия — Apache-2.0.

Сценарии применения

  • преобразование английской речи в фонемную транскрипцию
  • получение фонем для анализа произношения
  • подготовка фонетических данных из аудиозаписей

Ограничения

В README не названы обучающий набор данных и ограничения применения; приведённые метрики относятся к неуказанному набору оценки. Модель рассчитана на английскую речь.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-en-phoneme-ctc-41h

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2694
  • Per: 0.1045
  • Phoneme Accuracy: 0.8955

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: 1e-05
  • train_batch_size: 48
  • eval_batch_size: 48
  • seed: 42
  • optimizer: Use 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: 300
  • num_epochs: 50
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossPerPhoneme Accuracy
No log1.03983.89860.99800.0020
6.79222.07963.56340.99800.0020
3.59483.011943.52950.99810.0019
3.52774.015923.48070.99810.0019
3.52775.019901.83120.48900.5110
2.99056.023880.84980.20520.7948
1.28827.027860.60130.16590.8341
0.74838.031840.50150.14920.8508
0.57219.035820.43180.13830.8617
0.572110.039800.39600.13140.8686
0.479411.043780.35990.12750.8725
0.419212.047760.34270.12320.8768
0.379813.051740.32690.12070.8793
0.345814.055720.32060.11850.8815
0.345815.059700.30140.11630.8837
0.32316.063680.29530.11510.8849
0.304417.067660.28600.11360.8864
0.287318.071640.28220.11200.8880
0.274819.075620.28210.11160.8884
0.274820.079600.27340.11040.8896
0.2621.083580.26810.10940.8906
0.250822.087560.27350.10920.8908
0.241123.091540.27190.10900.8910
0.233524.095520.27190.10860.8914
0.233525.099500.26420.10810.8919
0.22626.0103480.26680.10790.8921
0.219927.0107460.25770.10720.8928
0.214728.0111440.26620.10760.8924
0.208429.0115420.26380.10730.8927
0.208430.0119400.26310.10680.8932
0.203231.0123380.26580.10640.8936
0.198332.0127360.27150.10690.8931
0.198133.0131340.26390.10620.8938
0.191834.0135320.26730.10610.8939
0.191835.0139300.25850.10550.8945
0.18736.0143280.27050.10590.8941
0.183837.0147260.27220.10600.8940
0.18338.0151240.26330.10530.8947
0.180439.0155220.27240.10550.8945
0.180440.0159200.26120.10480.8952
0.178641.0163180.26590.10490.8951
0.175542.0167160.26910.10490.8951
0.174643.0171140.26640.10470.8953
0.174344.0175120.26890.10470.8953
0.174345.0179100.26510.10450.8955
0.171446.0183080.27050.10470.8953
0.168247.0187060.26670.10440.8956
0.170748.0191040.27100.10460.8954
0.167449.0195020.26870.10450.8955
0.167450.0199000.26940.10450.8955

Framework versions

  • Transformers 4.57.1
  • Pytorch 2.9.0+cu128
  • Datasets 4.4.1
  • Tokenizers 0.22.1

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
04111e5

0 моделей

    Создать бенчмарк