/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Библиотека
transformers
Опубликована
12 сен 2026

Ссылки

Hugging Face

fb-mms-1b-punjabi-ccer-train-116393-epochs-15-test-1569

jssaluja
Распознавание речиАудио → текст4 профессии

Дообученная wav2vec2-модель для распознавания пенджабской речи в аудиозаписях, включая религиозные выступления, аудиокниги и подкасты.

255скачиваний за 30 дней0лайковвеса обновлены10 окт 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.

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

Это модель автоматического распознавания речи на основе wav2vec2, дообученная jssaluja на базе facebook/mms-1b-all. Она предназначена для преобразования аудио на пенджаби в текст; обучение проводилось на наборах с речью, аудиокнигами, киртаном, подкастами, лекциями и другими записями. Модель содержит 1,3 млрд параметров и использует архитектуру Wav2Vec2ForCTC.

В карточке приведены результаты оценки: WER 0,3195 и CER 0,0798. Это указывает на ошибки распознавания, поэтому результат может требовать проверки и исправления, особенно для аудио вне тематики и условий обучающих данных. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но не коммерческое использование.

Сценарии применения

  • Расшифровка речи на пенджаби в аудиокнигах
  • Транскрибация киртана и религиозных лекций
  • Создание текстовых версий пенджабских подкастов
  • Распознавание речи в радиозаписях и интервью

Ограничения

На оценочном наборе WER составляет 0,3195 и CER — 0,0798, поэтому транскрипты могут содержать ошибки и требуют проверки. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.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

jssaluja/fb-mms-1b-punjabi-ccer-train-116393-epochs-15-test-1569

This model is a fine-tuned version of facebook/mms-1b-all on private Punjabi speech. It achieves the following results on the evaluation set:

  • Loss: 0.2463
  • Wer: 0.3195
  • Wil: 0.5100
  • Mer: 0.3139
  • Cer: 0.0798
  • Ncer: 0.0317
  • Ccer: 0.0862

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: 0.001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

(table generated directly from trainer.state.log_history, keyed by metric name -- avoids a transformers model-card column-ordering bug seen in earlier runs)

Training LossEpochStepCcerCerValidation LossMerNcerWerWil
0.50251.072740.12090.11450.35690.42820.05070.44360.6537
0.28812.0145480.10250.09580.29420.36930.04190.37820.5836
0.26183.0218220.11210.10280.31160.38940.03870.40080.6110
0.24304.0290960.10600.09780.29710.37520.04040.38200.5909
0.23065.0363700.09310.08860.27130.34420.03700.35040.5484
0.21946.0436440.09110.08590.25950.34180.03740.34640.5449
0.21037.0509180.09500.08790.27270.34060.03670.34690.5460
0.20108.0581920.09210.08560.26370.33350.03510.33940.5364
0.19429.0654660.08920.08290.25370.32810.03270.33370.5289
0.186710.0727400.08860.08280.25900.32370.03340.32950.5218
0.180311.0800140.08870.08280.25410.32910.03340.33340.5288
0.175112.0872880.08670.08050.24690.31670.03200.32140.5135
0.168813.0945620.08830.08160.24740.31920.03240.32480.5178
0.164614.01018360.08740.08100.25120.31810.03240.32350.5155
0.161115.01091100.08620.07980.24630.31390.03170.31950.5100

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.11.0+cu130
  • Datasets 5.0.0
  • Tokenizers 0.21.4

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
5f8b1a2

0 моделей

    Создать бенчмарк