/ Модель

Характеристики

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

WAXAL-sog_asr-w2v-bert-2.0

Распознавание речиАудио → текст

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

5скачиваний 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.

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-sog_asr-w2v-bert-2.0 — модель распознавания речи, разработанная на основе facebook/w2v-bert-2.0 и дообученная для задачи automatic speech recognition. Это плотная модель архитектуры Wav2Vec2-BERT с CTC-выходом, содержащая 402,7 млн параметров; она принимает аудио и преобразует речь в текст. В карточке приведены результаты оценки: loss 0,9170 и CER 0,1860.

Модель опубликована в формате safetensors и использует библиотеку Transformers. Датасет дообучения и поддерживаемые языки в карточке не раскрыты, поэтому нельзя надёжно определить языковое покрытие или специализацию. Лицензия — MIT.

Сценарии применения

  • автоматическая транскрипция аудиозаписей
  • распознавание речи для последующей обработки текста
  • оценка качества распознавания по символьной ошибке CER

Ограничения

Язык распознавания и обучающий датасет не указаны. На оценочном наборе CER составляет 0,1860; качество на других данных может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WAXAL-sog_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: 0.9170
  • Cer: 0.1860

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
3.52412.22223000.82050.2086
0.66954.44446000.77970.1980
0.48146.66679000.79230.1877
0.30318.888912000.88540.1853
0.303110.013500.91700.1860

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
e207c6d

0 моделей