/ Модель

Характеристики

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

wav2vec2-base-vi-vlsp2020-ft-VietMed_labeled_wav2vec2

Распознавание речиАудио → текст

Дообученная wav2vec2-модель для автоматического распознавания вьетнамской речи, включая медицинские аудиозаписи.

6скачиваний за 30 дней0лайковвеса обновлены22 июн 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 minhvn1433/wav2vec2-base-vi-vlsp2020-ft-VietMed_labeled_wav2vec2 — дообученная на наборе MINHVN1433/VIETMED_LABELED_WAV2VEC2-NA версия wav2vec2-base-vi-vlsp2020. Это акустическая модель Wav2Vec2ForCTC на 113,3 млн параметров, предназначенная для преобразования речи в текст на вьетнамском языке. Она может использоваться для автоматической транскрибации вьетнамской речи, в том числе медицинских аудиозаписей. На оценочном наборе указаны WER 0,2659 и CER 0,2072. Условия лицензии и более подробные ограничения в доступных данных не описаны.

Сценарии применения

  • транскрибация вьетнамской речи
  • распознавание речи в медицинских аудиозаписях
  • преобразование вьетнамских голосовых записей в текст

Ограничения

WER 0,2659 и CER 0,2072 приведены для оценочного набора; качество на других аудиозаписях может отличаться. Лицензия и подробные ограничения использования в доступных данных не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-vi-vlsp2020-ft-VietMed_labeled_wav2vec2

This model is a fine-tuned version of minhvn1433/wav2vec2-base-vi-vlsp2020 on the MINHVN1433/VIETMED_LABELED_WAV2VEC2 - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 1.8370
  • Wer: 0.2659
  • Cer: 0.2072

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: 1e-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: 5500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.17052.79335001.83700.26590.2072
0.15325.586610001.84990.26970.2090
0.14358.379915001.92020.27020.2094
0.133211.173220001.93840.26900.2089
0.128713.966525001.96700.27140.2099
0.125316.759830001.93000.26940.2089
0.124019.553135001.99160.27060.2093
0.119622.346440001.98270.26940.2090
0.117425.139745002.03290.26980.2092
0.117927.933050002.02020.26990.2091
0.117130.726355001.92580.26890.2087

Framework versions

  • Transformers 5.12.1
  • 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
d56a787

0 моделей