/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
swecha-gonthuka-asr
Библиотека
transformers
Опубликована
9 июл 2026

Ссылки

Hugging Face

SWECHA_GONTHUKA_ASR_finetune

dalavaihemanth
Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для преобразования речи на телугу в текст.

8скачиваний за 30 дней0лайковвеса обновлены9 июл 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.

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

Модель dalavaihemanth/SWECHA_GONTHUKA_ASR_finetune — дообученная модель автоматического распознавания речи на телугу, созданная на основе swechatelangana/swecha-gonthuka-asr. Разработчик дообучил её на собственном наборе из 4911 аудиозаписей на телугу с несколькими дикторами; для обучения использовались Hugging Face Transformers и архитектура Wav2Vec2ForCTC. Модель содержит 113,3 млн параметров и распространяется в формате safetensors.

Она принимает речь в аудио и преобразует её в текст на телугу, например для транскрибирования записей. В README указаны WAV-записи с частотой 16 кГц как формат обучающих данных. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей речи на телугу
  • распознавание телугу в аудиозаписях с несколькими дикторами
  • создание текстовых расшифровок WAV-аудио на телугу

Ограничения

Обучение описано на аудиозаписях на телугу; качество для других языков или условий записи не заявлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SWECHA GONTHUKA ASR Fine-tuned

This model is fine-tuned from swechatelangana/swecha-gonthuka-asr on a custom Telugu speech dataset.

Dataset

  • 4911 Telugu audio recordings
  • 16 kHz WAV files
  • Multiple speakers

Base Model

swechatelangana/swecha-gonthuka-asr

Training

  • Framework: Hugging Face Transformers
  • Model: Wav2Vec2ForCTC

Usage

from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC

processor = Wav2Vec2Processor.from_pretrained(
    "dalavaihemanth/SWECHA_GONTHUKA_ASR_finetune"
)

model = Wav2Vec2ForCTC.from_pretrained(
    "dalavaihemanth/SWECHA_GONTHUKA_ASR_finetune"
)

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
e18d033

0 моделей

    Создать бенчмарк