/ Модель

Характеристики

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

wav2vec2-large-xlsr-53-indic_voices-61925-normalized-30_70-1e-4-steps-12000-FT

Распознавание речиАудио → текст4 профессии

Дообученная на неизвестных данных модель wav2vec 2.0 для преобразования речи в текст.

10скачиваний за 30 дней0лайковвеса обновлены27 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 модель автоматического распознавания речи на базе wav2vec 2.0, дообученная Diana V. Davidson на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров. Модель создана на основе facebook/wav2vec2-large-xlsr-53 и распространяется в формате Safetensors по лицензии Apache-2.0.

В карточке приведён результат оценки: Global WER 53,1980 и loss 0,7691. Описание не раскрывает языки, состав обучающих данных и предполагаемые условия использования, поэтому качество для конкретного языка или типа записи оценить нельзя.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в аудиофайлах

Ограничения

Языки и обучающие данные не описаны. Указанный Global WER 53,1980 свидетельствует о существенных ошибках распознавания; пригодность для конкретного языка и условий записи не установлена.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-indic_voices-61925-normalized-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: 0.7691
  • Global Wer: 53.1980

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
6.91590.08686003.3896100.0
5.29260.173712002.294399.8717
3.67710.260518001.550884.7990
3.22070.347324001.220176.0665
2.78070.434230001.072066.4195
2.54550.521036001.025865.8730
2.43890.607942000.946661.2948
2.36330.694748000.926560.7316
2.48010.781554000.872358.6740
2.39670.868460000.870057.6033
2.39530.955266000.838955.7910
1.91461.042072000.814054.5363
1.98931.128878000.835356.3765
1.97151.215684000.790253.9452
2.07741.302590000.776352.2668
2.23561.389396000.797652.8244
2.01031.4762102000.806753.4601
1.98611.5630108000.769153.1980

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
04bbb73

0 моделей