/ Модель

Характеристики

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

wav2vec2-base-vi-vlsp2020-ft-vivos_phowhisper

Распознавание речиАудио → текст

Дообученная wav2vec2-модель для распознавания речи на аудио из набора VIVOS_PHOWHISPER и преобразования её в текст.

5скачиваний за 30 дней0лайковвеса обновлены26 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-vivos_phowhisper — дообученная для автоматического распознавания речи версия wav2vec2-base-vi-vlsp2020, разработанная автором репозитория minhvn1433. Она принимает аудио и преобразует речь в текст; обучение проводилось на наборе MINHVN1433/VIVOS_PHOWHISPER — NA. Архитектура — Wav2Vec2ForCTC, размер — 113,3 млн параметров; веса опубликованы в формате Safetensors и предназначены для Transformers.

На указанном в карточке наборе оценки модель достигла WER 0,0700 и CER 0,0289. Карточка не содержит подробностей о целевых сценариях, условиях оценки или ограничениях качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация аудиозаписей из набора VIVOS_PHOWHISPER
  • преобразование речевых аудиоданных в текст
  • оценка качества систем распознавания речи на VIVOS_PHOWHISPER

Ограничения

Оценки WER и CER приведены для evaluation set, но карточка не описывает его состав и условия оценки. Лицензия и подробные ограничения применения в предоставленных данных не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-vi-vlsp2020-ft-vivos_phowhisper

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

  • Loss: 0.1322
  • Wer: 0.0700
  • Cer: 0.0289

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
0.21920.76225000.15630.07460.0315
0.16751.524410000.14350.07320.0307
0.16242.286615000.13940.07190.0300
0.14733.048820000.13650.07040.0294
0.14323.811025000.13560.07080.0295
0.14154.573230000.13450.07070.0293
0.14375.335435000.13440.07040.0290
0.13686.097640000.13360.07120.0292
0.13776.859845000.13210.07060.0292
0.13627.622050000.13350.07120.0291
0.12698.384155000.13220.07000.0289

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
780301a

0 моделей