/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-vi-vlsp2020
Библиотека
transformers
Опубликована
28 июн 2026

wav2vec2-base-vi-vlsp2020-ft-ViMD_north_phowhisper

Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для распознавания речи на аудиозаписях набора VIMD_NORTH_PHOWHISPER — NA.

6скачиваний за 30 дней0лайковвеса обновлены9 июл 2026

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

Модель wav2vec2-base-vi-vlsp2020-ft-ViMD_north_phowhisper — дообученная версия minhvn1433/wav2vec2-base-vi-vlsp2020 для автоматического распознавания речи. Она основана на архитектуре Wav2Vec2ForCTC, содержит 113,3 млн параметров и рассчитана на аудиозаписи набора MINHVN1433/VIMD_NORTH_PHOWHISPER — NA. На оценочной выборке указаны WER 0,1419 и CER 0,0869. Модель доступна в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибирование аудиозаписей набора VIMD_NORTH_PHOWHISPER — NA
  • распознавание речи в задачах, близких к обучающему набору
  • оценка ошибок распознавания по WER и CER

Ограничения

Результаты указаны только для оценочной выборки исходного проекта; качество на других данных может отличаться. В README не приведены подробные сведения о предполагаемом применении и ограничениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-vi-vlsp2020-ft-ViMD_north

This model is a fine-tuned version of minhvn1433/wav2vec2-base-vi-vlsp2020 on the MINHVN1433/VIMD_NORTH_PHOWHISPER - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4188
  • Wer: 0.1419
  • Cer: 0.0869

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: 3e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 500.0
  • training_steps: 3000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.32372.57735000.39000.14510.0878
0.29385.154610000.41350.14530.0877
0.26837.732015000.41080.14460.0876
0.252610.309320000.41490.14400.0870
0.246912.886625000.43630.14420.0882
0.239715.463930000.41880.14190.0869

Framework versions

  • Transformers 5.13.0
  • Pytorch 2.11.0+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.2

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
919f597

0 моделей