/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

WAXAL-sid_asr-w2v-bert-2.0

dhasmana
Распознавание речиАудио → текст

Дообученная на базе facebook/w2v-bert-2.0 модель для преобразования речи в текст.

7скачиваний 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

WAXAL-sid_asr-w2v-bert-2.0 — модель автоматического распознавания речи, созданная дообучением facebook/w2v-bert-2.0. Она использует архитектуру Wav2Vec2-BERT с CTC-выходом и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка приводит метрики оценки: loss 0,6255 и CER 0,1208.

Модель предназначена для транскрибирования речи. В README не описаны обучающий набор данных, поддерживаемые языки и условия оценки CER, поэтому по этим данным нельзя определить языковой охват или ожидаемое качество на конкретных записях. Лицензия — MIT.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в аудиофайлах
  • получение текстовой расшифровки для последующей обработки

Ограничения

Язык и обучающий набор данных не описаны, а условия оценки CER не приведены; качество на конкретных языках и типах записей по указанному значению определить нельзя.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WAXAL-sid_asr-w2v-bert-2.0

This model is a fine-tuned version of facebook/w2v-bert-2.0 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6255
  • Cer: 0.1208

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: 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: 500
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossCer
4.34711.71433000.66810.1773
1.24523.42866000.58960.1315
1.01225.14299000.57210.1241
0.82016.857112000.57150.1183
0.63858.571415000.60750.1199
0.638510.017500.62550.1208

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • 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
6fbaac5

0 моделей

    Создать бенчмарк