/ Модель

Характеристики

Лицензия
MIT
Базовая модель
GigaAM-v3
Библиотека
loom-py-rt
Опубликована
11 авг 2026

gigaam-v3-rnnt-loom

Распознавание речиАудио → текст5 профессий

Экспортированная в GGUF версия модели Sber GigaAM-v3 RNNT для распознавания русской и английской речи из аудио.

112скачиваний за 30 дней0лайковвеса обновлены30 сен 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

GigaAM-v3 RNNT — модель распознавания речи, разработанная Sber и опубликованная в исходном виде в репозитории ai-sage/GigaAM-v3; эта версия подготовлена для loom.cpp. Она преобразует аудио в текст и рассчитана на распознавание русской и английской речи.

В основе лежит архитектура Conformer с предсказанием RNNT. Репозиторий содержит неизменённые веса исходной модели, упакованные в один файл GGUF для запуска через loom-py-rt. Модель подходит для транскрибации аудиозаписей и обработки речи приложениями, использующими loom.cpp.

Лицензия — MIT. Карточка не приводит численный размер модели или длину контекста; эти характеристики здесь не указаны.

Сценарии применения

  • транскрибация русских аудиозаписей
  • распознавание английской речи
  • преобразование речи из аудио в текст
  • локальное распознавание речи через loom.cpp

Ограничения

Карточка не описывает точность на разных типах аудио или условия записи; результаты могут зависеть от качества входного звука.

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

GigaAM-v3 RNNT

Sber's GigaAM-v3 Conformer RNNT Russian/English ASR model, exported for loom.cpp.

This is a loom.cpp export: a single self-describing GGUF that carries its own graph topologies, tokenizer (if any) and driver script, produced by loom-exporter.

Original model

Exported from ai-sage/GigaAM-v3. Weights are unmodified; this repo packages the same parameters into loom.cpp's GGUF format.

License

mit, inherited from the base model above.

Language(s)

ru, en

Usage

Run it with loom-py -- loom-py-rt on PyPI:

pip install -U "loom-py-rt[hub]"
import loom

model = loom.Model.from_pretrained("loom-ai-org/gigaam-v3-rnnt-loom")

# Audio is a mono float list at 16 kHz. This model decodes in the one language it was trained for and
# takes no `language=` argument -- passing one warns and is ignored, because nothing in its decode
# could act on it.
result = model.speech2text.infer(audio, timestamps=True)
print(result.text)

# It emits no timestamp tokens, so `segments` is one span covering the whole clip and
# `result.timestamped` is False. Check that before treating a start/end as a boundary the model chose.
for segment in result.segments:
    print(segment.start, segment.end, segment.text)

The layer underneath

The call above is the high-level door: one per task, named for the modality pair it maps between, with the windowing, sampling and assembly this model needs already applied. Under it, model.infer(...) passes your arguments straight to the driver this GGUF embeds -- which is where you go for a knob the door does not name.

model.driver_source prints that driver, including a header comment documenting every argument it accepts for this model, and is the authority on it. See loom-py for the API and loom.cpp for what the engine does between the two.

Files

  • gigaam-v3-rnnt.gguf -- the model, exported with loom-exporter.

Как запустить

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

GPU в ailist

Универсальный рантайм · loom-py-rt

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
9f064db

0 моделей