Характеристики

Контекст: 131 072 токена
Лицензия: Apache 2.0
Архитектура: moss_transcribe_diarize · dense
Базовая модель: MOSS-Transcribe-Diarize
Библиотека: transformers
Опубликована: 14 сен 2026

Ссылки

Hugging Face

echora-moss-0.9b-multilingual-lyrics-transcriber

hcX02

Генерация текстаТекст → текст3 профессии

Многоязычная модель распознаёт слова песен по аудиозаписи и выдаёт строки с приблизительными временными метками.

144скачиваний за 30 дней2лайкавеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Echora MOSS 0.9B Multilingual Lyrics Transcriber — многоязычная аудиомодель для распознавания текста песен по музыкальной записи и вывода приблизительных временных меток для строк. Модель размером около 0,9 млрд параметров создана как дообучение OpenMOSS-Team/MOSS-Transcribe-Diarize; архитектура MOSS-Transcribe-Diarize, веса в формате safetensors. Входной текст песни не требуется.

Модель предназначена для обработки личных музыкальных библиотек и проектов отображения текста песен. Для музыки рекомендуется сначала отделять вокал, затем распознавать его окнами с перекрытием и контролировать повторы. Временные метки указываются в секундах; метки говорящих не подтверждают личность певца. Модель распространяется по лицензии Apache-2.0.

Распознанный текст может содержать ошибки, пропуски и вымышленные слова, особенно при повторах, ад-либах, наложении вокала и эффектах. Точность зависит от языка, разборчивости вокала и качества записи; инструментальные фрагменты могут породить лишний текст, а отделение вокала и объединение окон — внести дополнительные ошибки. Результат следует проверять перед использованием.

Сценарии применения

расшифровка текста песни по музыкальной записи
добавление приблизительных таймкодов к строкам песни
подготовка текста для караоке и отображения синхронизированных строк
создание черновиков текстов песен для личной музыкальной библиотеки

Ограничения

В тексте песен возможны ошибки, пропуски и вымышленные слова; повторы, ад-либы, наложение вокала, эффекты и инструментальные фрагменты могут ухудшать результат. Временные метки приблизительны, а точность зависит от языка и качества записи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Echora MOSS 0.9B Multilingual Lyrics Transcriber

A multilingual audio-to-text model for generating lyric text and approximate line timestamps from music audio. No supplied lyric text is required.

Model details

Model type: MOSS-Transcribe-Diarize fine-tune
Base model: OpenMOSS-Team/MOSS-Transcribe-Diarize
Parameters: Approximately 0.9B
Task: Multilingual lyric transcription with segment timestamps

Intended use

Lyric transcription for personal music libraries and lyric-display projects.

Users are responsible for ensuring they have the necessary rights to process their audio and use the generated text.

Output format

[12.00][S01]Example lyric line[15.20]

Timestamps are expressed in seconds. Speaker labels should not be interpreted as verified singer identities.

Recommended inference

For music recordings, the recommended pipeline uses vocal separation followed by overlapping-window transcription and repetition controls.

These processing steps are separate from the model weights.

Limitations

Generated lyrics may contain incorrect, omitted, or invented words.
Repeated phrases, ad-libs, overlapping vocals, and vocal effects may cause repetition or transcription errors.
Timestamps are approximate.
Accuracy varies by language, vocal clarity, and recording quality.
Vocal separation and window merging may introduce additional errors.
Instrumental sections may produce unintended text.

Review generated lyrics before relying on them. Applications should display a notice such as:

Lyrics transcribed using AI/ML. May contain errors.

Getting started

Model repository:

hcX02/echora-moss-0.9b-multilingual-lyrics-transcriber

Use a compatible MOSS-Transcribe-Diarize inference pipeline to load the model and process audio.

Contact

Open an issue in the Echora repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: MossTranscribeDiarizeForConditionalGeneration
Ревизия весов: 1cf9dc6