/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
20 июн 2026

kstu-asr

Распознавание речиАудио → текст7 профессий

Модель KSTU NLP на базе MMS-1B распознаёт кыргызскую речь, включая разговорное аудио, и преобразует её в текст.

14скачиваний за 30 дней1лайквеса обновлены22 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

kstunlp/kstu-asr — модель автоматического распознавания кыргызской речи, созданная KSTU NLP как полное дообучение facebook/mms-1b-all. Это модель на базе Wav2Vec2 с архитектурой CTC и примерно 1 млрд параметров; она принимает аудио и выдаёт распознанный текст на кыргызском языке. Для декодирования в примере используется жадный CTC-декодер с целевым языком kir. Модель обучали на кыргызских речевых данных KSTU NLP, Common Voice 21 и FLEURS-ky, дополнив их синтетическими данными.

В приведённых испытаниях она показала WER 12,93% на тестовой выборке FLEURS-ky и 16,17% на отдельной разговорной выборке; эти результаты относятся к описанным наборам и нормализации текста. Для использования указаны Transformers и аудио 16 кГц, моно. Лицензия в метаданных обозначена как other, поэтому конкретные условия распространения следует сверить с репозиторием.

Сценарии применения

  • транскрибация кыргызской разговорной речи
  • распознавание кыргызской речи в аудиозаписях
  • создание текстовых расшифровок кыргызских интервью
  • распознавание кыргызской речи в материалах для обучения и оценки ASR

Ограничения

В README описана обработка монофонического аудио с частотой 16 кГц и приведены результаты только для двух кыргызских тестовых выборок; качество на других языках и условиях не охарактеризовано. Метаданные указывают лицензию other, поэтому перед использованием следует проверить её конкретные условия в репозитории.

Для каких профессий подходит7

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

kstu asr

Full fine-tune of facebook/mms-1b-all on Kyrgyz speech (real: kstunlp + Common Voice 21 + FLEURS-ky train; plus synthetic augmentation). Greedy CTC decoding target_lang="kir".

Results — greedy, identical eval & text normalization

Two test sets: FLEURS-ky test (977 utts, read speech) and a held-out conversational test (1000 utts, real speech the baselines never saw).

ModelParamsFLEURS WERFLEURS CERConversational WER
Ours — MMS-1B full-FT1B12.93 (95% CI 12.2–13.7)3.0816.17
MMS-1b-all zero-shot (Meta kir)1B17.13—27.02
nineninesix/kyrgyz-whisper-medium769M18.065.2743.45
UlutSoftLLC/whisper-small-kyrgyz242M18.185.6639.88
kyrgyz-ai/AkylAI-STT-small *242M18.185.6639.88
nineninesix/kyrgyz-whisper-small242M18.985.0738.68
arfik/wav2vec2-large-mms-1b-kyrgyz1B19.605.17—

#1 among all public Kyrgyz ASR — by ~5 WER points on FLEURS and ~22 points on real conversational speech The Whisper-based baselines collapse on conversational audio (~39–43%); the full fine-tune generalizes.

Usage

from transformers import Wav2Vec2ForCTC, AutoProcessor
import torch, soundfile as sf
proc = AutoProcessor.from_pretrained("kstunlp/kstu-asr"); proc.tokenizer.set_target_lang("kir")
model = Wav2Vec2ForCTC.from_pretrained("kstunlp/kstu-asr").eval()
wav, sr = sf.read("audio.wav")  # 16 kHz mono
iv = proc(wav, sampling_rate=16000, return_tensors="pt").input_values
print(proc.batch_decode(torch.argmax(model(iv).logits, -1))[0])

License & access

This model is gated and released under a custom KSTU ASR Model License (other; see the LICENSE file). Access is granted at the authors' discretion after manual review and is open to requesters inside and outside KSTU. Use is permitted for lawful research, academic, and evaluation purposes. Do not use the model to identify, surveil, or de-anonymize individuals or to infer or extract sensitive personal information; do not redistribute or re-upload the weights; commercial or production use requires prior written permission; attribution to KSTU ASR (kstunlp) is required.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
2490309

0 моделей