/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
31 мая 2026

blas-m3-lm

Распознавание речиАудио → текст5 профессий

Модель wav2vec2-CTC с KenLM для транскрибации речи на ирландском языке.

191скачиваний за 30 дней1лайквеса обновлены31 мая 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

blas-m3-lm — модель распознавания ирландской речи в текст, разработанная автором репозитория jyoutir. Это акустическая модель wav2vec2-XLS-R на базе Wav2Vec2ForCTC с дообучением для ирландского языка и встроенной 5-граммовой языковой моделью KenLM, подключённой через Wav2Vec2ProcessorWithLM. В метаданных указано 403 млн параметров; в README акустическая часть описана как модель на 300 млн параметров.

Модель предназначена для транскрибации ирландской речи. В README приведены результаты на Common Voice 25.0 для ga-IE: WER 19,95 и CER 8,42; на FLEURS ga-IE: WER 48,05 и CER 24,20. Автор сообщает, что KenLM снижает WER на 5,6 пункта относительно одной акустической модели. Для декодирования используются pyctcdecode, ширина луча 100 и параметры α=0,5, β=1,5. Модель распространяется по лицензии Apache-2.0.

Для работы требуется аудиовход; результатом является текстовая транскрипция. Качество на FLEURS заметно ниже, чем на Common Voice, поэтому результаты зависят от условий записи и набора данных. Заявления о лидерстве в бенчмарке и сравнении с другими системами основаны на измерениях и описании автора README.

Сценарии применения

  • транскрибация ирландской речи в текст
  • распознавание ирландской речи в аудиозаписях
  • создание субтитров для ирландских аудио- и видеоматериалов
  • расшифровка ирландских радиопередач и подкастов

Ограничения

На FLEURS качество ниже, чем на Common Voice: WER составляет 48,05 против 19,95. Приведённые результаты зависят от условий записи и нормализации текста.

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

blas-m3-lm - Irish (Gaeilge) speech-to-text

Open-source Irish ASR: a wav2vec2-CTC acoustic model with a bundled KenLM 5-gram language model (Wav2Vec2ProcessorWithLM). On BlasBench - the open Irish ASR benchmark - this is #1 on Common Voice among all measured systems, ahead of Microsoft Azure and every open and commercial model evaluated.

Try it on any device, no install: the demo Space runs this exact model - open the URL on your phone or laptop.

Results (BlasBench, irish normaliser)

Test setWERCERn
Common Voice 25.0 ga-IE19.958.42874
FLEURS ga-IE48.0524.20842

Numbers are read from the harness' results.json. The bundled KenLM gives -5.6 WER over the acoustic model alone. For reference, ABAIR/Fotheidil self-report 19.6 CV with their full pipeline (different normaliser) and 23.7 without LM - this model beats their no-LM number under a shared, controlled benchmark.

Usage

from transformers import AutoProcessor, Wav2Vec2ForCTC
import torch, librosa

proc  = AutoProcessor.from_pretrained("jyoutir/blas-m3-lm")   # Wav2Vec2ProcessorWithLM (KenLM bundled)
model = Wav2Vec2ForCTC.from_pretrained("jyoutir/blas-m3-lm").eval()

wav, _ = librosa.load("audio.wav", sr=16000)
logits = model(proc(wav, sampling_rate=16000, return_tensors="pt").input_values).logits
print(proc.batch_decode(logits.detach().numpy()).text[0])

The LM decoding needs pip install pyctcdecode kenlm (on Windows: conda install -c conda-forge kenlm; Python ≤ 3.12). The KenLM travels inside the repo's language_model/ folder, so AutoProcessor wires it up automatically.

Model

  • Acoustic: wav2vec2-XLS-R (300M) fine-tuned for Irish (~1,491h gold + broadcast silver).
  • LM: 5-gram KenLM built from human Irish text only (DOEGEN gold, Oireachtas ga, gold transcripts; ~20.5k lines). Common-Voice test sentences were stripped (leakage guard). pyctcdecode, beam_width=100, α=0.5, β=1.5.

Roadmap

A fully on-device / in-browser build - distilling the LM into the acoustic weights so the same quality runs offline on a phone or laptop with zero dependencies - is in progress.

License & citation

Apache-2.0. Part of the Blas Voice / BlasBench Irish ASR project.

@misc{blasbench2026, title={BlasBench: an open Irish ASR benchmark},
  author={Jyoutir Raj and John Conway}, year={2026},
  howpublished={\url{https://github.com/jyoutir/blasbench}}}

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
b65dab8

0 моделей