/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-fl102
Библиотека
transformers
Опубликована
1 янв 2025

mms-asr-1b-ckb_Kurdish_Sorani_finetuned_v4

Распознавание речиАудио → текст4 профессии

Дообученная Wav2Vec2-модель для транскрибации речи на курдском языке сорани.

83скачиваний за 30 дней0лайковвеса обновлены1 янв 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.

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 дообученная модель распознавания речи kurdai-academy, созданная на основе facebook/mms-1b-fl102 и обученная на наборе Common Voice 17.0. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудио в текст на курдском языке сорани.

Модель содержит 1,3 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. На оценочной выборке автор сообщает loss 0,3046 и WER 0,4115; результат указывает на заметные ошибки распознавания, поэтому качество следует проверять на целевых аудиозаписях. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • транскрибация аудиозаписей на курдском сорани
  • распознавание речи в записях Common Voice
  • преобразование курдской речи в текст

Ограничения

На оценочной выборке указана частота ошибок слов WER 0,4115, поэтому распознавание может быть неточным. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-mms-1b102-ckb_30cent

This model is a fine-tuned version of facebook/mms-1b-fl102 on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3046
  • Wer: 0.4115

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: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use adamw_torch 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: 100
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.16014.09885000.31590.4227
0.58028.197510000.30460.4115

Framework versions

  • Transformers 4.48.0.dev0
  • Pytorch 2.5.1+cu121
  • Datasets 3.2.0
  • Tokenizers 0.21.0

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
0ba05c6

0 моделей