/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
5 окт 2025

Wav2Vec_VinData

Распознавание речиАудио → текст5 профессий

Дообученная модель Wav2Vec2 для преобразования речи из аудио в текст.

113скачиваний за 30 дней0лайковвеса обновлены19 сен 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

Wav2Vec_VinData — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст.

В README приведены результаты оценки: WER 0,3143, CER 0,1316 и loss 0,8569. Данные обучения и оценки, целевой язык и предполагаемые сценарии применения не описаны, поэтому эти результаты не позволяют определить качество модели для конкретного языка или условий записи. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование речевых записей
  • распознавание речи в аудиофайлах
  • получение текстовой расшифровки аудио

Ограничения

Язык и состав обучающих данных не описаны, поэтому применимость к конкретному языку и условиям записи не установлена. В README приведены метрики на оценочной выборке, но её описание отсутствует.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Wav2Vec_VinData

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: 0.8569
  • Wer: 0.3143
  • Cer: 0.1316
  • Syer: 0.3143

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: 0.0003
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_BNB with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCerSyer
27.72930.65915003.49831.01.01.0
13.77011.317710001.48810.66080.27360.6608
11.03621.976815001.12840.47330.19920.4733
9.47542.635420000.94900.38190.16000.3819
8.21313.294025000.90200.33770.14120.3377
7.21513.953030000.85580.31470.13160.3147
7.21514.030360.85690.31430.13160.3143

Framework versions

  • Transformers 5.16.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.23.1

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
fdd7c22

0 моделей