/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Опубликована
19 авг 2025

w2v2BERT-CZ-CV-17.0

Распознавание речиАудио → текст8 профессий

Дообученная модель Wav2Vec2BERT для преобразования чешской речи в текст.

184скачиваний за 30 дней0лайковвеса обновлены19 авг 2025

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

mitkaj/w2v2BERT-CZ-CV-17.0 — модель распознавания чешской речи, созданная дообучением facebook/w2v-bert-2.0 разработчиком mitkaj. Она использует архитектуру Wav2Vec2BertForCTC и CTC-обучение на наборе Czech Common Voice; словарь модели содержит 51 токен. Модель принимает аудио и выдаёт текстовую транскрипцию на чешском языке.

Модель предназначена для автоматического распознавания чешской речи, в том числе записей, похожих на данные Common Voice. В карточке указана оценка WER 5,83% на чешском тестовом наборе. Число параметров — около 402,7 млн. Длина контекста не указана в доступных материалах. Лицензия — MIT.

Сценарии применения

  • транскрибация записей на чешском языке
  • распознавание чешской речи в аудиозаписях
  • создание текстовых расшифровок для чешских голосовых данных

Ограничения

Оценка WER 5,83% получена на чешском тестовом наборе; качество на других типах аудио не подтверждено. Модель обучена для чешской речи, поэтому её не следует считать универсальной многоязычной системой распознавания.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mitkaj/w2v2BERT-CZ-CV-17.0

This is a fine-tuned Wav2Vec2BERT model for Czech Automatic Speech Recognition (ASR) using CTC loss.

Model Details

  • Base Model: facebook/w2v-bert-2.0
  • Architecture: Wav2Vec2BertForCTC
  • Training: Fine-tuned on Czech Common Voice dataset
  • Loss Function: CTC (Connectionist Temporal Classification)
  • Vocab Size: 51 tokens

Training Summary

  • Training Epochs: 19.97
  • Final Training Loss: 0.0305
  • Final Evaluation Loss: 0.1450
  • Final WER: 0.0583 (5.83%)
  • Total Training Time: 5.1 hours
  • Total FLOPS: 79819834495052513280 GF

Usage

from transformers import AutoProcessor, AutoModelForCTC
import torch

# Load model and processor
processor = AutoProcessor.from_pretrained("mitkaj/w2v2BERT-CZ-CV-17.0")
model = AutoModelForCTC.from_pretrained("mitkaj/w2v2BERT-CZ-CV-17.0")

# Process audio
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")

# Get logits
with torch.no_grad():
    logits = model(**inputs).logits

# Decode
predicted_ids = torch.argmax(logits, dim=-1)
transcription = processor.batch_decode(predicted_ids)

Training

This model was trained using the CTC approach on Czech speech data.

Performance

The model was evaluated on Czech test data using WER (Word Error Rate) metric.

Citation

If you use this model, please cite the original Wav2Vec2BERT paper and this fine-tuned version.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
c31886a

0 моделей