/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Библиотека
transformers
Опубликована
3 авг 2026

mms-1b-all-indic_voices-60250-hinglish_mixed_scripts-15_100-1e-4-hin-steps-15000-FT

Распознавание речиАудио → текст

Дообученная wav2vec2-модель на базе MMS для распознавания хинглишской речи со смешанными системами письма.

7скачиваний за 30 дней0лайковвеса обновлены3 авг 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

Это дообученная модель распознавания речи на базе facebook/mms-1b-all, разработанная пользователем dianavdavidson. Она построена на архитектуре wav2vec2 и предназначена для преобразования аудио в текст; название репозитория указывает на настройку для хинглиша со смешанными системами письма. Модель содержит 1,3 млрд параметров и распространяется в формате safetensors.

В карточке приведены результаты оценки: loss 0,6399 и Global WER 37,7394. Датасет и подробности обучения не описаны, поэтому эти значения не позволяют судить о качестве на других наборах данных. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

  • распознавание хинглишской речи со смешанными системами письма
  • транскрибирование аудиозаписей на хинглише

Ограничения

В README указаны Global WER 37,7394 и loss 0,6399 на оценочном наборе, но сам набор данных не описан. Лицензия запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mms-1b-all-indic_voices-60250-hinglish_mixed_scripts-15_100-1e-4-hin-steps-15000-FT

This model is a fine-tuned version of facebook/mms-1b-all on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6399
  • Global Wer: 37.7394

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 1500
  • training_steps: 15000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossGlobal Wer
5.49260.675218751.157552.2858
1.35141.350437500.849944.4782
1.11592.025656250.778842.4444
0.97802.700875000.722341.0315
0.92493.375993750.691440.1209
0.90624.0511112500.669039.0538
0.87784.7263131250.652638.2085
0.84145.4015150000.639937.7394

Framework versions

  • Transformers 5.0.0.dev0
  • Pytorch 2.9.0+cu126
  • Datasets 3.6.0
  • 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
Wav2Vec2ForCTC
Ревизия весов
fba30b4

0 моделей