/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-base-vi-vlsp2020-ft-vivos_wav2vec2

minhvn1433
Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для распознавания речи на аудиоданных.

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.

Открыть конструктор бенчмарка

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_wav2vec2 — дообученная версия minhvn1433/wav2vec2-base-vi-vlsp2020 для автоматического распознавания речи. Она построена на архитектуре Wav2Vec2 и содержит 113,3 млн параметров. Модель принимает аудио и выдаёт распознанный текст; обучалась на наборе MINHVN1433/VIVOS_WAV2VEC2 - NA. На оценочном наборе указаны Loss 0,1892, WER 0,0755 и CER 0,0320. Карточка не приводит подробностей о сценариях использования или условиях лицензии.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи из набора VIVOS
  • оценка качества распознавания по WER и CER

Ограничения

Результаты оценки приведены для конкретного оценочного набора и могут не переноситься на другие условия записи и речевые данные.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-vi-vlsp2020-ft-vivos_wav2vec2

This model is a fine-tuned version of minhvn1433/wav2vec2-base-vi-vlsp2020 on the MINHVN1433/VIVOS_WAV2VEC2 - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1892
  • Wer: 0.0755
  • Cer: 0.0320

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
0.15250.76225000.18920.07550.0320
0.11161.524410000.19550.07920.0330
0.10402.286615000.19030.07980.0335
0.09773.048820000.19400.07990.0335
0.09633.811025000.20030.08010.0339
0.09194.573230000.20210.08040.0340
0.09135.335435000.20170.07920.0336
0.09216.097640000.20260.07940.0337
0.09186.859845000.19880.07950.0336
0.08747.622050000.20610.07910.0334
0.08488.384155000.19720.07940.0336

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
511612a

0 моделей

    Создать бенчмарк