/ Модель

Характеристики

Лицензия
MIT
Базовая модель
GigaAM-v3
Библиотека
ggml
Опубликована
29 июл 2026

gigaam-v3-GGUF

Распознавание речиАудио → текст7 профессий

cstr/gigaam-v3-GGUF — это набор конвертированных и квантизированных представлений модели GigaAM-v3, разработанной ai-sage.

1 559скачиваний за 30 дней6лайковвеса обновлены2 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 предназначена для автоматического распознавания русской речи и транскрибации аудиозаписей, в частности для использования с backend gigaam в CrispASR. Репозиторий содержит только преобразование формата и численного представления весов без обучения, дообучения или изменения архитектуры и возможностей исходной модели.

GigaAM-v3 — Conformer-модель примерно на 220 млн параметров, предварительно обученная на около 700 тыс. часов русской речи с целью HuBERT-CTC. Доступны варианты с головами RNN-T и CTC, а также SentencePiece-вокабуляром или посимвольным кириллическим вокабуляром. Варианты e2e поддерживают пунктуацию, регистр и inverse text normalization; посимвольные варианты выдают строчные буквы без пунктуации. Форматы f16, q8_0 и q4_k занимают примерно 449–154 МБ. Аудио должно быть монофоническим с частотой 16 кГц, а практическое окно обработки составляет около 25 секунд.

Вариант e2e-rnnt-q8_0 рекомендуется как наиболее точный и сбалансированный: он показывает средний WER 8,4%, сохраняет результаты PyTorch-эталона и обеспечивает меньший размер по сравнению с f16. CTC быстрее декодируется, а q4_k экономит память, но может немного снижать точность регистра и пунктуации. Длинные записи требуют нарезки, обычно выполняемой средствами VAD и chunking в CLI; модель использует полное внимание с квадратичной сложностью по длине последовательности. Распространение выполняется по лицензии MIT, унаследованной от исходной модели.

Для каких профессий подходит7

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

GigaAM-v3 — GGUF (ggml conversions)

GGUF conversions of ai-sage/GigaAM-v3 for use with the gigaam backend in CrispStrobe/CrispASR.

GigaAM-v3 is a 220 M-parameter Conformer foundation model for Russian ASR, pretrained with a HuBERT-CTC objective on ~700 K hours of Russian speech. The upstream repo ships five checkpoints as git revisions; the four ASR ones are converted here (the ssl encoder has no head and produces no transcript).

FileSizeHeadVocabularyOutput
gigaam-v3-e2e-rnnt-{f16,q8_0,q4_k}.gguf452 / 249 / 154 MBRNN-TSentencePiece 1024punctuation + casing + ITN — best WER (8.4 % avg)
gigaam-v3-e2e-ctc-{f16,q8_0,q4_k}.gguf449 / 247 / 152 MBCTCSentencePiece 256punctuation + casing + ITN, faster decode
gigaam-v3-rnnt-{f16,q8_0,q4_k}.gguf449 / 246 / 152 MBRNN-T33 Cyrillic charslowercase, no punctuation
gigaam-v3-ctc-{f16,q8_0,q4_k}.gguf449 / 246 / 151 MBCTC33 Cyrillic charslowercase, no punctuation

Which one to pick

gigaam-v3-e2e-rnnt-q8_0.gguf unless you have a reason not to — it is the lowest-WER variant, emits punctuation and casing, and its transcript is identical to the PyTorch reference.

Usage

crispasr --backend gigaam -m gigaam-v3-e2e-rnnt-q8_0.gguf -f audio.wav
# or let the registry fetch it:
crispasr --backend gigaam -m auto --auto-download -f audio.wav

Audio is 16 kHz mono. Long inputs are sliced by the CLI's VAD/chunking; the model itself has a ~25 s practical window (full attention, O(T²)).

Verification

Every file was checked against a per-stage PyTorch reference dumped from the upstream modeling_gigaam.py (crispasr-diff gigaam <model> <ref> <wav>), on GigaAM's own example.wav:

variantmelencoder (cos)transcript vs PyTorch
f16 (all four)1.0000001.000000byte-identical
q8_0 (all four)1.0000000.9974 – 0.9988byte-identical
q4_k ctc, rnnt1.0000000.95 – 0.99byte-identical
q4_k e2e_ctc1.0000000.982one spurious trailing ,
q4_k e2e_rnnt1.0000000.987content identical; 4 words lose their capital letter

So: q8_0 is the safe quant; q4_k is fine for the charwise models and costs a little casing/punctuation fidelity on the two SentencePiece ones.

In every quant the mel filterbank, Hann window, encoder.pre.* subsampling convs and the decode head (joint.* / decoder.* / head.ctc.*) are kept at source precision — the mel is un-normalized log-mel, so subsampling rounding error would otherwise cascade through all 16 conformer blocks, and the head is a blank-vs-token argmax where a flipped decision derails the greedy decode.

Conversion

python models/convert-gigaam-to-gguf.py \
    --model ai-sage/GigaAM-v3 --revision e2e_rnnt \
    --output gigaam-v3-e2e-rnnt-f16.gguf
./build/bin/crispasr-quantize gigaam-v3-e2e-rnnt-f16.gguf \
    gigaam-v3-e2e-rnnt-q8_0.gguf q8_0

License

MIT, inherited from ai-sage/GigaAM-v3. Please cite the upstream model when you use these weights.

Provenance and EU AI Act Art. 53 note

  • Upstream model: ai-sage/GigaAM-v3 — published by ai-sage.
  • Upstream licence: mit. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
  • What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
  • Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
  • Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · ggml

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
5df03d8

0 моделей