/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
26 авг 2026

Ссылки

Hugging Face

wav2vec2-large-xlsr-53-indic_voices-61921-hinglish_mixed_scripts-30_70-1e-4-steps-12000-FT

dianavdavidson
Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2 модель для автоматического распознавания речи с аудио в текст, ориентированная на Hinglish и смешанную письменность.

10скачиваний за 30 дней0лайковвеса обновлены26 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.

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 dianavdavidson/wav2vec2-large-xlsr-53-indic_voices-61921-hinglish_mixed_scripts-30_70-1e-4-steps-12000-FT — дообученная на распознавание речи версия wav2vec2-large-xlsr-53 от Meta. Она принимает аудио и выдаёт распознанный текст; название указывает на настройку для Hinglish и смешанной письменности, однако README не описывает языки и обучающие данные подробнее. Модель построена на архитектуре Wav2Vec2ForCTC, содержит 402,8 млн параметров и распространяется в формате Safetensors.

На оценочном наборе указаны loss 1,0091 и Global WER 61,6218, что говорит о заметных ошибках распознавания. Модель может подойти для экспериментов и проверки распознавания речи в соответствующем сценарии, но качество следует оценить на собственных аудиоданных. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание Hinglish речи из аудиозаписей
  • транскрибирование речи со смешанной письменностью
  • экспериментальная проверка ASR на собственных аудиоданных

Ограничения

На оценочном наборе Global WER составляет 61,6218, поэтому распознавание может содержать много ошибок. README не раскрывает состав обучающих данных и подробности языкового покрытия.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.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 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-indic_voices-61921-hinglish_mixed_scripts-30_70-1e-4-steps-12000-FT

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0091
  • Global Wer: 61.6218

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: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 2
  • optimizer: Use adamw_torch 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: 500
  • training_steps: 12000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossGlobal Wer
7.59330.08686003.7613100.0
7.04640.173712003.467499.5355
5.60910.260518002.592997.6544
4.45560.347324001.908589.0578
3.67630.434230001.574881.3959
3.46990.521036001.466678.8152
3.13530.607942001.336774.4910
3.11490.694748001.267470.8321
3.01930.781554001.223770.9468
3.04880.868460001.190567.1102
3.01820.955266001.154067.1618
2.40251.042072001.099965.1029
2.55691.128878001.083163.4972
2.63611.215684001.057063.1932
2.57281.302590001.070062.5222
2.51261.389396001.015061.4555
2.55141.4762102001.026461.5071
2.38591.5630108001.033162.2011
2.58231.6498114000.997760.5551
2.40061.7367120001.009161.6218

Framework versions

  • Transformers 5.13.0
  • Pytorch 2.6.0+cu124
  • 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
7b80330

0 моделей

    Создать бенчмарк