/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Библиотека
transformers
Опубликована
7 сен 2024

Ссылки

Hugging Face

w2v-bert-2.0-nepali

kiranpantha
Распознавание речиАудио → текст4 профессии

Модель распознаёт непальскую речь в аудиозаписях и преобразует её в текст.

36скачиваний за 30 дней1лайквеса обновлены18 апр 2025

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

Модель kiranpantha/w2v-bert-2.0-nepali — дообученная версия facebook/w2v-bert-2.0 для автоматического распознавания непальской речи. Она принимает аудио и выдаёт текст; архитектура Wav2Vec2-BERT реализована классом Wav2Vec2BertForCTC. Модель содержит 402,7 млн параметров и обучалась на наборе OpenSLR54-Balanced-Nepali. На указанном в карточке наборе оценки получены Loss 0,2212, WER 0,2525 и CER 0,0565.

Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — MIT. Карточка не описывает дополнительные сценарии, языки помимо непальского или практические ограничения качества; приведённые метрики относятся только к указанной оценочной выборке.

Сценарии применения

  • транскрибация непальской речи
  • распознавание непальской речи в аудиозаписях
  • получение текстовых расшифровок непальского аудио

Ограничения

Карточка приводит метрики только для одной оценочной выборки (WER 0,2525 и CER 0,0565), поэтому качество на других данных не установлено. Сведения об устойчивости к шуму и поддержке других языков не приведены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.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

Wave2Vec2-Bert2.0 - Kiran Pantha

This model is a pre-trained version of facebook/w2v-bert-2.0 on the OpenSLR54 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2212
  • Wer: 0.2525
  • Cer: 0.0565

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.44360.09003000.56380.55600.1447
0.54950.18006000.68760.61710.1641
0.61480.26999000.68720.62110.1724
0.5640.359912000.55030.51620.1326
0.49640.449915000.58310.53190.1318
0.44370.539918000.49130.49350.1202
0.44410.629921000.47540.47640.1193
0.38610.719924000.43570.43610.1055
0.38110.809827000.42820.41370.0976
0.37540.899830000.39050.40690.0975
0.35110.989833000.35470.36920.0863
0.24961.079836000.32970.34330.0796
0.2421.169839000.31250.33150.0770
0.23781.259742000.31580.33360.0757
0.22741.349745000.28710.30970.0722
0.21421.439748000.30100.30580.0712
0.19491.529751000.27670.29440.0678
0.1981.619754000.24870.28240.0639
0.18061.709757000.23760.26740.0612
0.16751.799660000.22930.26300.0595
0.16711.889663000.22480.25810.0576
0.15261.979666000.22120.25250.0565

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.4.1+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
5309bb2

0 моделей

    Создать бенчмарк