Характеристики

Параметры: 403 млн
Архитектура: wav2vec2 · dense
Библиотека: transformers
Опубликована: 25 ноя 2025

Ссылки

Hugging Face

ssc-aln-model

ctaguchi

Распознавание речиАудио → текст4 профессии

Модель wav2vec2 для преобразования речи в текст, обученная с нуля.

22скачиваний за 30 дней0лайковвеса обновлены1 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

ssc-aln-model — модель распознавания речи на архитектуре wav2vec2 с выходной CTC-головой, разработанная ctaguchi и обученная с нуля. Она предназначена для преобразования аудио в текст; размер модели — около 402,7 млн параметров. В репозитории опубликованы веса в формате safetensors для использования с библиотекой Transformers.

На указанном оценочном наборе модель получила CER 0,5679 и WER 0,9768. Датасет, поддерживаемые языки, условия применения и лицензия в доступных сведениях не описаны, поэтому область применения и качество распознавания для конкретных языков оценить нельзя.

Сценарии применения

транскрибирование аудиозаписей в текст
распознавание речи в пользовательских аудиофайлах
экспериментальная оценка качества ASR-моделей

Ограничения

На оценочном наборе CER составляет 0,5679, а WER — 0,9768, что указывает на существенные ошибки распознавания. Язык модели, обучающий датасет и лицензия не установлены по доступным сведениям.

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 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ssc-aln-model

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

Loss: 1.8647
Cer: 0.5679
Wer: 0.9768

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: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 8
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 Loss	Epoch	Step	Validation Loss	Cer	Wer
2.6542	0.1027	100	2.7873	0.9127	1.0
2.7312	0.2054	200	2.6739	0.8102	0.9999
2.7166	0.3082	300	2.3973	0.8100	0.9998
2.6442	0.4109	400	2.5701	0.7773	0.9863
2.6282	0.5136	500	2.4967	0.7596	1.0
2.6793	0.6163	600	2.4465	0.8274	0.9988
2.5982	0.7191	700	2.4531	0.7070	0.9893
2.5929	0.8218	800	2.3973	0.7647	0.9991
2.6211	0.9245	900	2.3430	0.7394	0.9911
2.5614	1.0267	1000	2.2116	0.6708	0.9887
2.5421	1.1294	1100	2.1762	0.7062	0.9970
2.5272	1.2322	1200	2.1483	0.6747	0.9907
2.4457	1.3349	1300	2.1416	0.6783	0.9754
2.4582	1.4376	1400	2.1515	0.6323	0.9812
2.5182	1.5403	1500	2.1518	0.6933	0.9828
2.545	1.6430	1600	2.1046	0.6844	0.9948
2.4768	1.7458	1700	2.0930	0.6794	0.9971
2.437	1.8485	1800	2.0755	0.6974	0.9977
2.4652	1.9512	1900	2.0531	0.6387	0.9852
2.4666	2.0534	2000	2.0942	0.6326	0.9725
2.4098	2.1561	2100	2.1318	0.7399	0.9999
2.295	2.2589	2200	2.0930	0.6261	0.9975
2.3255	2.3616	2300	2.0553	0.6080	0.9830
2.3362	2.4643	2400	2.0664	0.6241	0.9820
2.324	2.5670	2500	2.0415	0.6090	0.9839
2.3254	2.6697	2600	2.0766	0.5845	0.9765
2.3232	2.7725	2700	2.0245	0.6318	0.9836
2.2821	2.8752	2800	1.9850	0.6249	0.9870
2.2661	2.9779	2900	1.9709	0.6247	0.9770
2.2066	3.0801	3000	2.0029	0.5864	0.9691
2.1706	3.1828	3100	1.9698	0.5725	0.9681
2.1382	3.2856	3200	1.9499	0.5990	0.9759
2.2142	3.3883	3300	1.9464	0.6189	0.9825
2.2512	3.4910	3400	1.9367	0.6020	0.9843
2.1671	3.5937	3500	1.9393	0.5939	0.9799
2.2047	3.6965	3600	1.9381	0.5728	0.9700
2.1303	3.7992	3700	1.9116	0.5683	0.9722
2.1517	3.9019	3800	1.9412	0.5383	0.9495
2.2205	4.0041	3900	1.8760	0.5827	0.9780
2.07	4.1068	4000	1.9216	0.5793	0.9768
2.049	4.2096	4100	1.9057	0.5595	0.9694
2.057	4.3123	4200	1.9335	0.5549	0.9664
2.0582	4.4150	4300	1.9117	0.5552	0.9675
2.0678	4.5177	4400	1.8778	0.5699	0.9767
2.0643	4.6204	4500	1.8775	0.5704	0.9778
1.9829	4.7232	4600	1.8712	0.5704	0.9780
2.0293	4.8259	4700	1.8655	0.5577	0.9695
2.0133	4.9286	4800	1.8647	0.5679	0.9768

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: a842f9c

Характеристики

Ссылки

ssc-aln-model

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит4

Карточка модели

ssc-aln-model

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить