/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
transformers
Опубликована
21 авг 2026

nileagi-suk-stt-lite

Распознавание речиАудио → текст

Компактная модель NileAGI для преобразования речи на сукума в текст с макронной орфографией.

0скачиваний за 30 дней0лайковвеса обновлены25 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Sukuma STT Lite — компактная модель распознавания речи, разработанная Zephania и Isack Odero. Она преобразует аудио на языке сукума в текст на сукума с использованием макронной орфографии (ā, ē, ī, ō, ū). Модель предназначена для сценариев распознавания с ограниченными ресурсами, где более крупная версия nileagi/nileagi-suk слишком тяжела, и для распознавания чтения вслух.

В оценке на 94 окнах из отложенных групп документов модель показала WER 26,1% и CER 6,4%; у более точной версии результаты составили 21,3% и 4,9%. Проверка ограничена небольшим тестом и чтением одним диктором. Модель хуже распознаёт имена и редкие основы и не предназначена для разговорной речи на сукума, английской или суахилийской речи, а также аудио с сильным шумом и юридических или медицинских сценариев.

Веса распространяются по лицензии CC BY-NC-SA 4.0 и доступны после одобрения запроса доступа. При использовании или распространении требуется указать NileAGI; производные веса должны оставаться под той же лицензией. Для коммерческого лицензирования авторы предлагают связаться с NileAGI.

Сценарии применения

  • распознавание чтения вслух на сукума
  • транскрибация аудиозаписей на сукума в средах с ограниченными ресурсами
  • создание текстовых расшифровок материалов на сукума

Ограничения

Оценка проведена на небольшом тесте из 94 окон для чтения одним диктором; модель хуже распознаёт имена и редкие основы. Не предназначена для разговорной речи на сукума, английского и суахилийского аудио, шумных записей, а также юридических и медицинских сценариев.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sukuma STT Lite

Authors: Zephania and Isack Odero

Compact Sukuma speech recognition for the macron orthography (ā ē ī ō ū). Same task as the quality SKU — Sukuma audio → Sukuma text — with a smaller footprint and higher WER.

Prefer nileagi/nileagi-suk-stt when accuracy matters more than size.

Quality siblingnileagi/nileagi-suk-stt
Collectionnileagi/nileagi-suk

Demo

Pitch-shifted demo clip (same file as the quality SKU):

from transformers import pipeline

stt = pipeline(
    "automatic-speech-recognition",
    model="nileagi/nileagi-suk-stt-lite",
    chunk_length_s=30,
    ignore_warning=True,
)
print(stt("samples/sample_01.wav")["text"])

Summary

TaskAutomatic speech recognition
LanguageSukuma (suk)
DirectionSukuma speech → Sukuma text
OrthographyLatin with vowel macrons
Training windows16,792 · ~98.1 h
Test windows94 · ~0.5 h
Primary metricsWER, CER

Evaluation

Same held-out document-group test (94 windows) as the quality SKU:

MetricLite (this repo)Quality nileagi-suk-stt
Test WER26.1%21.3%
Test CER6.4%4.9%

How to use

from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
import torch

repo = "nileagi/nileagi-suk-stt-lite"
device = "cuda:0" if torch.cuda.is_available() else "cpu"
dtype = torch.float16 if device.startswith("cuda") else torch.float32

processor = AutoProcessor.from_pretrained(repo)
model = AutoModelForSpeechSeq2Seq.from_pretrained(repo, torch_dtype=dtype).to(device)

stt = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    chunk_length_s=30,
    device=device,
    ignore_warning=True,
)
print(stt("sukuma.wav")["text"])

Intended use

  • Constrained Sukuma ASR where the quality SKU is too heavy
  • Same read-aloud setting as the quality model

Out of scope

Anything the quality SKU cannot do: English/Swahili ASR, conversational Sukuma, legal/medical, high-noise audio.

Limitations

Same family as the quality SKU: single-speaker read-aloud setting, small document-group test, macron orthography. Expect more substitutions on names and rare stems than on the quality model.

Related

Access

Weights are gated under CC BY-NC-SA 4.0.

  1. Open Request access at the top of this page and describe your intended use.
  2. After approval, authenticate (huggingface-cli login or HF_TOKEN) and download or load the model.

Attribute NileAGI when you use or redistribute the weights. Adapted weights must stay under CC BY-NC-SA 4.0. Commercial licensing: hi@nileagi.com.

License

Weights: CC BY-NC-SA 4.0.
See LICENSE and NOTICE.md.

Citation

@misc{nileagi-suk-stt-lite-2026,
  title        = {Sukuma speech-to-text (lite)},
  author       = {Zephania and Isack Odero},
  year         = {2026},
  howpublished = {Hugging Face},
  url          = {https://huggingface.co/nileagi/nileagi-suk-stt-lite},
  note         = {NileAGI}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
01c0a77

0 моделей