/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-300m-arabic-dialect-identifier
Опубликована
19 авг 2026

mms-300m-aydid-did

Классификация текстаТекст → label3 профессии

Модель wav2vec2 классифицирует аудиозаписи на семь йеменских арабских субдиалектов.

23скачиваний за 30 дней0лайковвеса обновлены19 авг 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

MMS-300m — Yemeni Sub-Dialect Identifier (AYDID) — модель Mansoor Saleh для классификации аудиозаписей на семь разновидностей йеменского арабского языка: аденскую, бедуинскую, хадрамаутскую, сананскую, таизскую, тихамскую и стандартный йеменский. Это дообученная модель семейства wav2vec2 с архитектурой Wav2Vec2ForSequenceClassification и 402,7 млн параметров; она принимает аудио и присваивает записи класс диалекта.

Модель предназначена для автоматической идентификации диалекта в устной речи. На сбалансированном тестовом наборе AYDID, содержащем 375 высказываний на класс, автор сообщает взвешенную F1-меру 80,44% после дообучения, по сравнению с 11,45% для базовой модели без дообучения. Модель обучена на корпусе AYDID и ориентирована на йеменскую арабскую речь; качество на других арабских диалектах и вне условий тестового набора не подтверждено. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства, на некоммерческих условиях и при распространении производных материалов на тех же условиях.

Сценарии применения

  • определение аденского диалекта в аудиозаписи
  • распознавание хадрамаутской устной речи
  • классификация йеменской речи по региональному диалекту
  • различение стандартного йеменского и региональных субдиалектов

Ограничения

Модель предназначена для семи классов йеменской арабской речи; её качество на других диалектах и в реальных условиях, отличных от тестового набора AYDID, не указано.

Для каких профессий подходит3

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

MMS-300m — Yemeni Sub-Dialect Identifier (AYDID)

MMS-300m fine-tuned on the AYDID corpus for 7-class Yemeni Arabic sub-dialect identification: Adeni, Badawi, Hadrami, Sana'ani, Ta'izzi, Tihami, and Standard Yemeni.

Result

On the balanced AYDID test set (375 utterances/class), fine-tuning raises weighted F1 from a zero-shot 11.45% to 80.44% (+68.99 points).

Usage

import torch, librosa
from transformers import AutoFeatureExtractor, AutoModelForAudioClassification

model_id = "mansoorSaleh/mms-300m-aydid-did"
fe = AutoFeatureExtractor.from_pretrained(model_id)
model = AutoModelForAudioClassification.from_pretrained(model_id).eval()

wav, _ = librosa.load("clip.wav", sr=16000)
inputs = fe(wav, sampling_rate=16000, return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits
pred = logits.argmax(-1).item()
print(model.config.id2label[pred])   # e.g. YEM_HA

Labels

YEM_AD Adeni · YEM_BA Badawi · YEM_HA Hadrami · YEM_SA Sana'ani · YEM_ST Standard · YEM_TA Ta'izzi · YEM_TI Tihami

Citation

@inproceedings{aydid2027,
  title     = {AYDID: A Sub-Dialectal Yemeni Arabic Corpus for Dialect
               Identification and Speech Recognition},
  author    = {Ba Mahel, Mansoor S. M. and Wei, Jianguo and Yue, Xianghu and
               Awn, Norah Saeed and Bamahel, Abdulaziz S.},
  booktitle = {Proc. IEEE ICASSP},
  year      = {2027}
}

License: CC BY-NC-SA 4.0 (research use).

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
de6fc5b

0 моделей