/ Модель

Характеристики

Контекст
2 048 токенов
Архитектура
cohere_asr · dense
Базовая модель
cohere-transcribe-03-2026
Опубликована
24 мая 2026

cohere-asr-ja

Распознавание речиАудио → текст4 профессии

Дообученная японская ASR-модель Cohere Transcribe для транскрибации обычной речи и аниме-контента.

389скачиваний за 30 дней3лайкавеса обновлены25 мая 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

efwkjn/cohere-asr-ja — дообученная японская модель распознавания речи на основе Cohere Transcribe, ориентированная на обычную речь и аниме-контент. Она принимает аудио и генерирует текстовую транскрипцию; в обучении использовались аудиофрагменты длительностью до 35 секунд, в среднем около 25 секунд.

Автор сообщает о дообучении декодера при замороженном энкодере и настройке гиперпараметров в версии v0.1, которая улучшила CER на приведённых тестовых наборах по сравнению с исходной моделью. Результаты различаются между наборами и жанрами: например, для теста Nekopara CER остаётся заметно выше, чем для Fleurs или JSUT. Модель предназначена прежде всего для японской речи, включая диалоги из аниме и визуальных новелл. Основа содержит 2 млрд параметров по описанию базовой модели в метаданных. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • Транскрибация японских диалогов из аниме
  • Распознавание японской речи в обычных аудиозаписях
  • Создание субтитров для японских аудиофрагментов
  • Распознавание реплик из визуальных новелл

Ограничения

Качество зависит от типа аудио: в приведённой оценке CER заметно выше на тесте Nekopara, чем на Fleurs и JSUT. Настройка обучения также привела к небольшому росту вставок в некоторых аудио; лицензия в предоставленных данных не описана.

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

Cohere finetune for Japanese focused on general/anime domains.

From v0.1, tuned hyperparameters improving CER across all test sets. Adjusted loss resulting in slightly higher insertion rate on certain audios but I think the insertions are nicer.

  • GSPO with CE
  • 2^17 steps
  • 64 bsz
  • Each sequence sample 1 greedy/7 temp1,topk20
  • Audio length 0-35s, avg ~25.3s
  • Frozen encoder, full finetune decoder

Bigger but faster than whisper-large-v3-turbo from more subsampling. Likely final checkpoint, will focus on finishing whisper training.

See my most recent whisper finetune for more evals

tedxjsut-book
cersrirdrcersrirdr
cohere22.05.06.011.129.89.91.918.0
v0.114.44.77.52.218.311.20.96.3
ja12.94.86.02.117.510.90.85.8

cv/reazon removed due to contamination

fleursjsut-basicblue-archivenekopara
cersrirdrcersrirdrcersrirdrcersrirdr
cohere_b14.92.70.41.88.45.71.80.88.14.01.22.930.413.53.713.2
cohere_b54.92.60.41.98.45.71.80.98.13.91.13.129.412.72.014.8
v0.1_b15.22.80.41.96.95.01.10.86.83.91.41.524.814.03.17.7
v0.1_b54.92.70.41.96.84.91.10.86.73.71.21.724.212.91.89.5
ja_b15.02.80.51.76.74.91.00.86.63.81.51.424.414.13.56.8
ja_b54.82.70.41.76.64.81.00.86.53.71.31.523.412.81.98.7
airclannadhimanatsukanonsakuuta
cersrirdrcersrirdrcersrirdrcersrirdrcersrirdr
cohere_b118.29.41.57.317.57.72.07.828.111.15.311.716.88.12.26.516.17.73.35.1
cohere_b518.19.21.47.517.67.51.88.225.610.12.413.116.77.92.06.815.57.32.45.8
v0.1_b116.09.31.65.012.56.81.24.420.612.23.54.914.28.01.64.510.96.72.22.1
v0.1_b515.89.31.55.012.46.71.14.620.311.92.95.514.28.11.54.610.86.52.02.2
ja_b115.89.21.65.012.36.71.24.420.512.13.54.913.97.91.64.410.86.62.22.1
ja_b515.49.01.35.212.16.50.94.719.711.32.36.013.97.91.34.710.66.31.92.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
CohereAsrForConditionalGeneration
Ревизия весов
8f1794e

0 моделей