Характеристики

Параметры: 1,3 млрд
Лицензия: CC BY-NC 4.0
Архитектура: wav2vec2 · dense
Базовая модель: mms-1b-all
Библиотека: transformers
Опубликована: 4 дек 2025

Ссылки

Hugging Face

ssc-kbd-mms-model-mix-adapt-max

ctaguchi

Распознавание речиАудио → текст8 профессий

Дообученная на базе MMS-1B-All модель wav2vec2 для преобразования речи из аудио в текст.

128скачиваний за 30 дней0лайковвеса обновлены6 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

ctaguchi/ssc-kbd-mms-model-mix-adapt-max — дообученная модель автоматического распознавания речи, созданная на основе facebook/mms-1b-all. Она использует архитектуру wav2vec2 с CTC-декодированием и содержит 1,3 млрд параметров. Модель принимает аудио и предназначена для преобразования речи в текст; README сообщает результаты оценки: CER 0,1091 и WER 0,5604.

Карточка не описывает обучающие данные, целевые языки или предполагаемые сценарии применения. Базовая MMS-1B-All поддерживает более тысячи языков, но целевой набор языков этого дообученного чекпойнта из доступных сведений определить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

транскрибация аудиозаписей
распознавание речи в пользовательских аудиофайлах
получение текстовой расшифровки речи для последующей обработки

Ограничения

Языки и обучающие данные этого дообученного чекпойнта не описаны, поэтому его языковую пригодность следует проверять отдельно. Указанная в README оценка WER составляет 0,5604; лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Для каких профессий подходит8

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 I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ssc-kbd-mms-model-mix-adapt-max

This model is a fine-tuned version of facebook/mms-1b-all on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2593
Cer: 0.1091
Wer: 0.5604

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: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
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: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Cer	Wer
0.6422	0.1719	200	0.4864	0.1765	0.8201
0.4943	0.3438	400	0.4324	0.1614	0.7674
0.4538	0.5157	600	0.4279	0.1583	0.7394
0.4292	0.6876	800	0.3844	0.1462	0.7058
0.4018	0.8595	1000	0.3818	0.1411	0.6929
0.3847	1.0309	1200	0.3429	0.1346	0.6741
0.3785	1.2028	1400	0.3468	0.1368	0.6722
0.3708	1.3747	1600	0.3546	0.1335	0.6683
0.3698	1.5466	1800	0.3337	0.1320	0.6632
0.3535	1.7185	2000	0.3305	0.1304	0.6569
0.3683	1.8904	2200	0.3305	0.1285	0.6456
0.3584	2.0619	2400	0.3263	0.1284	0.6398
0.3425	2.2338	2600	0.3225	0.1300	0.6453
0.354	2.4057	2800	0.3208	0.1279	0.6361
0.3379	2.5776	3000	0.3130	0.1256	0.6274
0.3367	2.7495	3200	0.3156	0.1258	0.6284
0.341	2.9214	3400	0.3143	0.1258	0.6303
0.3171	3.0928	3600	0.3143	0.1253	0.6394
0.3106	3.2647	3800	0.3111	0.1225	0.6183
0.3194	3.4366	4000	0.3053	0.1238	0.6266
0.3058	3.6085	4200	0.3048	0.1235	0.6284
0.3188	3.7804	4400	0.3045	0.1219	0.6193
0.3117	3.9523	4600	0.2981	0.1207	0.6137
0.2962	4.1238	4800	0.2977	0.1204	0.6132
0.3019	4.2957	5000	0.2946	0.1190	0.6037
0.2972	4.4676	5200	0.3031	0.1195	0.6071
0.2879	4.6394	5400	0.2928	0.1188	0.6014
0.2934	4.8113	5600	0.2938	0.1174	0.5984
0.2932	4.9832	5800	0.2909	0.1183	0.6051
0.2884	5.1547	6000	0.2854	0.1160	0.5833
0.2864	5.3266	6200	0.2844	0.1158	0.5821
0.2837	5.4985	6400	0.2810	0.1159	0.5901
0.2779	5.6704	6600	0.2746	0.1139	0.5786
0.2739	5.8423	6800	0.2774	0.1147	0.5782
0.2754	6.0138	7000	0.2750	0.1132	0.5745
0.27	6.1856	7200	0.2792	0.1134	0.5756
0.2602	6.3575	7400	0.2775	0.1145	0.5790
0.2611	6.5294	7600	0.2765	0.1140	0.5781
0.2605	6.7013	7800	0.2790	0.1135	0.5782
0.2611	6.8732	8000	0.2741	0.1124	0.5714
0.2637	7.0447	8200	0.2753	0.1126	0.5691
0.251	7.2166	8400	0.2689	0.1123	0.5744
0.2562	7.3885	8600	0.2690	0.1116	0.5686
0.2608	7.5604	8800	0.2667	0.1125	0.5744
0.255	7.7323	9000	0.2708	0.1124	0.5762
0.2466	7.9042	9200	0.2657	0.1113	0.5713
0.2331	8.0756	9400	0.2656	0.1110	0.5666
0.2358	8.2475	9600	0.2670	0.1100	0.5675
0.2447	8.4194	9800	0.2654	0.1108	0.5663
0.2438	8.5913	10000	0.2630	0.1096	0.5620
0.2311	8.7632	10200	0.2601	0.1087	0.5590
0.2429	8.9351	10400	0.2602	0.1095	0.5612
0.2351	9.1066	10600	0.2602	0.1105	0.5666
0.2293	9.2785	10800	0.2593	0.1094	0.5614
0.2342	9.4504	11000	0.2586	0.1092	0.5588
0.2325	9.6223	11200	0.2598	0.1090	0.5595
0.2327	9.7942	11400	0.2598	0.1092	0.5612
0.2289	9.9661	11600	0.2593	0.1091	0.5604

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: b188e8b

Характеристики

Ссылки

ssc-kbd-mms-model-mix-adapt-max

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 подходит8

Также подходит для

Карточка модели

ssc-kbd-mms-model-mix-adapt-max

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить