/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
1 фев 2026

Ссылки

Hugging Face

Rajasthani-Magadhi-Marathi-Chhattisgarhi-Bhojpuri-Marwari-w2v-bert-2.0

dhasmana
Распознавание речиАудио → текст4 профессии

Дообученная модель Wav2Vec2-BERT для распознавания речи и транскрибирования на шести индийских языках и их разновидностях.

32скачиваний за 30 дней0лайковвеса обновлены2 фев 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 автоматического распознавания речи, созданная дообучением facebook/w2v-bert-2.0. В карточке она названа моделью для раджастхани, магадхи, маратхи, чхаттисгархи, бходжпури и марвари. Архитектура — Wav2Vec2-BERT с CTC-выходом; модель содержит 402,8 млн параметров и распространяется в формате safetensors для библиотеки Transformers.

Модель преобразует аудио в текст и подойдёт для распознавания речи на перечисленных языках. В README приведены результаты оценки: loss 2,0250 и CER 0,1801. Сведения о наборе данных, методике оценки и ограничениях применения в карточке не раскрыты. Лицензия — MIT.

Сценарии применения

  • транскрибирование речи на раджастхани
  • распознавание речи на магадхи
  • транскрибирование маратхи
  • распознавание речи на чхаттисгархи
  • транскрибирование бходжпури
  • распознавание речи на марвари

Ограничения

README не сообщает, на каких данных и при какой методике проводилась оценка; поэтому приведённый CER 0,1801 не позволяет судить о качестве на других записях и условиях. Данные о конкретных ограничениях применения отсутствуют.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Rajasthani-Magadhi-Marathi-Chhattisgarhi-Bhojpuri-Marwari-w2v-bert-2.0

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0250
  • Cer: 0.1801

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • 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: 500
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer
3.0350.43833001.15760.2526
1.00830.87666000.95360.2142
0.77041.31419000.87560.1959
0.64571.752412000.84960.1911
0.52422.189915000.87740.2010
0.4372.628218000.91850.1866
0.3513.065721001.02820.1906
0.2713.504024001.06360.1867
0.22443.942327001.10050.1884
0.1684.379830001.05490.1939
0.13314.818133001.14120.1867
0.09915.255736001.45520.1817
0.07735.693939001.43300.1816
0.06486.131542001.50160.1880
0.04676.569845001.63590.1813
0.03937.007348001.59730.1835
0.0257.445651001.68420.1813
0.02177.883954001.84620.1801
0.01578.321457001.88160.1808
0.01128.759760001.90320.1808
0.00789.197263001.98360.1795
0.00599.635566002.02500.1801

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.9.0+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
f799d20

0 моделей

    Создать бенчмарк