/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

mms-1b-all-bigc_mini-train-drodat-gdro-1.15e-5-dat-0.207-no-sd-0.00-52

csikasote
Распознавание речиАудио → текст4 профессии

Дообученная на BIGC_MINI - BEM модель wav2vec2 для преобразования речи в текст.

135скачиваний за 30 дней0лайковвеса обновлены1 окт 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.

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

Это дообученная модель распознавания речи на основе facebook/mms-1b-all, разработанная автором репозитория csikasote. Модель построена на архитектуре wav2vec2 с выходной головой CTC и содержит 1,3 млрд параметров. Она предназначена для автоматического преобразования речи в текст; обучение проведено на наборе BIGC_MINI - BEM.

В карточке приведены результаты оценки на тестовом наборе: loss 34,5988 и CER 0,1198. Базовая MMS-1B обучена для распознавания речи на более чем тысяче языков, однако README не уточняет языки и характеристики данных, использованных при дообучении, поэтому пригодность этой версии для конкретных языков или условий записи не установлена. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в экспериментальных наборах данных
  • оценка ошибок распознавания речи по CER

Ограничения

В карточке нет сведений о языках и условиях, на которых проверялась дообученная версия; приведённая оценка относится только к указанному тестовому набору. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.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

mms-1b-all-bigc_mini-train-drodat-gdro-1.15e-5-dat-0.207-no-sd-0.00-52

This model is a fine-tuned version of facebook/mms-1b-all on the BIGC_MINI - BEM dataset. It achieves the following results on the evaluation set:

  • Loss: 34.5988
  • Cer: 0.1198

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: 0.0003
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Use OptimizerNames.ADAMW_TORCH 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: 500
  • num_epochs: 30.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer
188.12950.9579500176.97980.9908
42.18211.9157100042.48460.1419
40.23142.8736150041.16590.1376
39.57133.8314200039.45120.1354
37.38574.7893250038.54200.1346
35.97595.7471300040.11590.1333
33.7056.7050350037.67140.1384
33.00137.6628400037.82640.1325
32.59868.6207450037.29720.1434
35.07849.5785500036.02340.1274
34.400210.5364550037.24810.1413
31.132411.4943600035.75120.1240
34.154812.4521650035.74850.1262
31.238613.4100700035.85160.1235
29.91114.3678750035.00690.1246
28.764115.3257800034.98980.1268
27.689116.2835850034.72790.1205
30.909317.2414900034.67780.1223
30.419518.1992950035.23030.1268
29.071619.15711000034.59920.1199
28.04320.11491050034.66070.1216
26.850721.07281100034.96180.1236
31.220322.03071150034.83340.1243

Framework versions

  • Transformers 4.53.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.5.0
  • Tokenizers 0.21.4

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
1136da3

0 моделей

    Создать бенчмарк