/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
25 июл 2026

my_awesome_asr_mind_model

Распознавание речиАудио → текст

Дообученная wav2vec 2.0 модель для преобразования речи в текст.

4скачиваний за 30 дней0лайковвеса обновлены25 июл 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 kinchit25/my_awesome_asr_mind_model — дообученная на неизвестном наборе данных версия facebook/wav2vec2-base, созданная на базе архитектуры Wav2Vec2ForCTC. Она предназначена для автоматического распознавания речи: принимает аудио и выдаёт текстовую транскрипцию. Модель содержит 113,3 млн параметров и представлена в формате Safetensors; для работы используется библиотека Transformers.

В опубликованной оценке указаны loss 3,3627 и WER 1,0, что означает очень высокую ошибку распознавания на использованном наборе оценки. Данные не позволяют установить поддерживаемые языки, целевые сценарии или практическую точность на других наборах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в пользовательских приложениях
  • эксперименты с дообучением wav2vec 2.0 для ASR

Ограничения

В карточке указаны неизвестный обучающий набор данных и WER 1,0 на оценочном наборе, что свидетельствует о крайне низком качестве в этой оценке. Язык распознавания и пригодность для конкретных условий записи не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_asr_mind_model

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.3627
  • Wer: 1.0

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: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • 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
  • training_steps: 2000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.7263200.010003.48061.0
6.1285400.020003.36271.0

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • 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
29f76cf

0 моделей