Характеристики

Параметры: 4 млрд
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Библиотека: transformers
Опубликована: 24 авг 2026

Ссылки

Hugging Face

omniASR-CTC-3B-v2

iljab

Распознавание речиАудио → текст8 профессий

Преобразованная модель Meta на архитектуре Wav2Vec2 для автоматической транскрибации речи в текст.

221скачиваний за 30 дней0лайковвеса обновлены24 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

iljab/omniASR-CTC-3B-v2 — преобразованный в формат Hugging Face чекпойнт omniASR-CTC-3B-v2 от Meta. Модель предназначена для автоматического распознавания речи и выдаёт текстовую расшифровку аудио. В Transformers используется класс Wav2Vec2ForCTC; энкодер содержит 60 слоёв со скрытым размером 2048. В репозитории указаны веса safetensors и лицензия Apache-2.0.

Модель подходит для транскрибации аудиозаписей и интеграции распознавания речи в приложения на базе Transformers. README не сообщает поддерживаемые языки, ограничения по качеству, требования к аудио или длину контекста, поэтому эти характеристики здесь не уточняются.

Сценарии применения

транскрибация аудиозаписей
распознавание речи в приложениях на Transformers
преобразование устной речи в текст

Ограничения

Поддерживаемые языки и характеристики качества распознавания в карточке не описаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

omniASR-CTC-3B-v2 (HuggingFace)

Converted from Meta's official fairseq2 checkpoint omniASR-CTC-3B-v2.pt (card omniASR_CTC_3B_v2). Tokenizer: omniASR_tokenizer_written_v2.model.

Property	Value
HF class	`Wav2Vec2ForCTC`
Encoder layers	60
Hidden size	2048
Attention heads	16
FFN intermediate	8192
Vocabulary size	10288
CTC blank	id 0 (`<s>`)
Source	Meta Omnilingual ASR v2, Apache-2.0

from transformers import Wav2Vec2ForCTC, AutoProcessor
processor = AutoProcessor.from_pretrained("iljab/omniASR-CTC-3B-v2")
model = Wav2Vec2ForCTC.from_pretrained("iljab/omniASR-CTC-3B-v2")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Ревизия весов: 65af811