/ 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-sggs-ncer-train-107392-epochs-15-test-1569

jssaluja
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для преобразования аудиозаписей сикхских религиозных чтений и киртана в текст.

266скачиваний 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, созданная дообучением jssaluja/fb-mms-1b на базе facebook/mms-1b-all. Она предназначена для преобразования аудиозаписей в текст; обучение проводилось на наборах с чтением и исполнением сикхских религиозных текстов, включая Sehaj Paath и киртан. Модель построена на архитектуре wav2vec2, имеет около 1,3 млрд параметров и использует библиотеку Transformers.

В карточке приведены метрики оценки: WER 0,3164, CER 0,0801 и NCER 0,0324. Эти результаты относятся к указанному оценочному набору и не гарантируют аналогичного качества на других типах речи или записях. Базовая MMS-1B-All поддерживает более тысячи языков, однако язык и область применимости этого дообученного чекпойнта отдельно не указаны. Лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией, но запрещающая коммерческое применение.

Сценарии применения

  • транскрибирование Sehaj Paath
  • распознавание речи в записях киртана
  • преобразование аудиозаписей сикхских религиозных чтений в текст

Ограничения

Опубликованные метрики относятся только к указанному оценочному набору; качество на других записях не подтверждено. Язык и область применения дообученного чекпойнта отдельно не указаны, поэтому поддержку языков базовой модели нельзя считать подтверждённой для этой версии.

Для каких профессий подходит3

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jssaluja/fb-mms-1b-sggs-ncer-train-107392-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: 0.2582
  • Wer: 0.3164
  • Wil: 0.5072
  • Mer: 0.3109
  • Cer: 0.0801
  • Ncer: 0.0324
  • Ccer: 0.0872

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
0.47541.067120.11690.11080.33330.43000.04500.43860.6549
0.27102.0134240.10640.10270.31320.40340.04350.40820.6195
0.24493.0201360.09890.09270.28590.36010.03790.36540.5698
0.22674.0268480.10050.09750.30550.38490.04160.38880.5946
0.21525.0335600.09860.09430.29880.36420.03960.36950.5723
0.20486.0402720.09500.08990.28000.35230.03590.35720.5580
0.19567.0469840.09740.09140.28350.35270.03870.35910.5604
0.18878.0536960.09480.08720.27530.33910.03550.34460.5450
0.18009.0604080.09020.08380.26580.32550.03520.33100.5264
0.173710.0671200.09030.08440.26380.32730.03670.33270.5277
0.166411.0738320.09080.08400.26520.32820.03420.33300.5297
0.160912.0805440.08860.08250.26220.32210.03450.32740.5206
0.155513.0872560.08940.08300.26990.32110.03400.32700.5197
0.150714.0939680.08720.08010.25820.31090.03240.31640.5071
0.147115.01006800.08720.08010.25820.31090.03240.31640.5072

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
2cda8b7

0 моделей

    Создать бенчмарк