/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-300m
Библиотека
transformers
Опубликована
19 сен 2026

mms-300m-nyagen-original-train-ft-62

Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2-модель для преобразования аудио речи из набора NYAGEN - NA в текст.

130скачиваний за 30 дней0лайковвеса обновлены21 сен 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

Модель csikasote/mms-300m-nyagen-original-train-ft-62 — дообученная на наборе NYAGEN - NA версия facebook/mms-300m для автоматического распознавания речи. Это модель архитектуры Wav2Vec2 с CTC-декодированием, содержащая 402,7 млн параметров; она принимает аудио и выдаёт распознанный текст. На оценочной выборке указаны loss 0,4169 и WER 0,3193. Карточка не сообщает поддерживаемые языки, контекстные характеристики и подробности об области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • транскрибирование записей речи из набора NYAGEN - NA
  • оценка качества распознавания речи на данных, похожих на NYAGEN - NA
  • эксперименты с адаптацией MMS для распознавания речи

Ограничения

WER на указанной оценочной выборке составляет 0,3193; качество на других данных не установлено. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mms-300m-nyagen-original-train-ft-62

This model is a fine-tuned version of facebook/mms-300m on the NYAGEN - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4169
  • Wer: 0.3193

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: 8
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • 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 LossWer
0.49740.99405000.69940.6079
0.22611.988110000.48160.3740
0.17222.982115000.44250.3443
0.16153.976120000.41690.3193
0.1124.970225000.45340.3031
0.11225.964230000.45910.2974
0.08656.958335000.47230.2928
0.07637.952340000.48210.2883
0.06228.946345000.50790.2855

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
ac76bea

0 моделей