/ Модель

Характеристики

Параметры
404 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
2 фев 2026

wav2vec2_cantonese_jyut-20hr

Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для распознавания кантонской речи с возможным выводом Jyutping.

29скачиваний за 30 дней0лайковвеса обновлены2 фев 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

Модель johnyy212/wav2vec2_cantonese_jyut-20hr — дообученная для автоматического распознавания речи версия facebook/wav2vec2-large-xlsr-53. Это модель архитектуры wav2vec2 с 404 млн параметров, предназначенная для преобразования аудио в текст; в названии указаны кантонский язык и Jyutping, однако карточка не уточняет набор данных и схему транскрипции. Модель принимает аудио и выдаёт текст. Она распространяется в формате safetensors по лицензии Apache-2.0.

В карточке приведён результат оценки WER 100,0 и loss 2,3981, что указывает на крайне слабое качество распознавания в указанной оценке. Поэтому перед практическим применением модель следует проверить на целевых аудиозаписях; сведений о контексте записи, тестовом наборе и ограничениях применения карточка не содержит.

Сценарии применения

  • Транскрибирование речи на кантонском языке
  • Преобразование кантонских аудиозаписей в текст
  • Эксперименты с распознаванием кантонской речи и Jyutping

Ограничения

В карточке указаны WER 100,0 и loss 2,3981, что свидетельствует о крайне низком качестве на приведённой оценке. Набор данных и подробности тестирования не описаны.

Для каких профессий подходит3

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_cantonese_jyut-20hr

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: 2.3981
  • Wer: 100.0

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: 8
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 500
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.3671.66725006.0622100.0
5.65263.333610004.4901100.0
3.03655.015002.3981100.0

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.9.0+cu126
  • Datasets 4.0.0
  • 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
ba08bf7

0 моделей