/ Модель

Характеристики

Параметры
1,3 млрд
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
4 дек 2025

ssc-aln-mms-model-mix-adapt-max

Распознавание речиАудио → текст8 профессий

Модель wav2vec2 с 1,3 млрд параметров для автоматического распознавания речи и преобразования аудио в текст.

115скачиваний за 30 дней0лайковвеса обновлены5 дек 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

ssc-aln-mms-model-mix-adapt-max — модель распознавания речи на базе архитектуры wav2vec2 с выходной головой CTC, разработанная автором репозитория. По README, модель обучена с нуля на неизвестном наборе данных. Она предназначена для преобразования аудио в текст; в карточке приведены результаты оценки: CER 0,2065, WER 0,5208 и loss 1,0180. Модель содержит 1,3 млрд параметров, сохранена в формате safetensors и использует библиотеку Transformers.

Язык распознавания, состав обучающих данных и условия лицензии в предоставленных материалах не раскрыты. Поэтому приведённые метрики нельзя переносить на конкретные языки или сценарии без дополнительной проверки.

Сценарии применения

  • транскрибация аудиозаписей в текст
  • распознавание речи в аудиофайлах
  • оценка качества системы распознавания речи по CER и WER

Ограничения

Язык и обучающие данные неизвестны, поэтому качество для конкретных языков и условий записи не установлено. В README указаны WER 0,5208 и CER 0,2065 на оценочном наборе, но набор не описан.

Для каких профессий подходит8

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

ssc-aln-mms-model-mix-adapt-max

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0180
  • Cer: 0.2065
  • Wer: 0.5208

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: 0.001
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 4
  • optimizer: Use OptimizerNames.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: 100
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCerWer
1.01910.82822001.13090.22030.5700
1.02891.65424001.06210.21450.5482
0.99192.48036001.02660.21510.5449
0.86883.30648001.07410.21020.5312
0.89744.132510001.03750.20790.5253
0.85444.960712001.01800.20650.5208

Framework versions

  • Transformers 4.57.2
  • Pytorch 2.9.1+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.0

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
a4a2d7d

0 моделей