/ Модель

Характеристики

Параметры
413 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
29 июн 2026

kazakh-omni-asr-ctc

Распознавание речиАудио → текст7 профессий

Модель Wav2Vec2 CTC для преобразования казахской речи в текст.

20скачиваний за 30 дней0лайковвеса обновлены29 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

nileq/kazakh-omni-asr-ctc — модель автоматического распознавания казахской речи, разработанная Nileq на базе OmniASR wav2vec2.5 large и дообученная с функцией потерь CTC. Она использует архитектуру Wav2Vec2ForCTC с 24 слоями энкодера, размером скрытого состояния 1024 и 16 головами внимания; словарь SentencePiece содержит 9812 токенов. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и преобразует речь в текст. Вес модели составляет 412,7 млн параметров; файлы опубликованы в формате safetensors.

Модель предназначена для транскрибации казахской речи и интеграции в системы распознавания аудио. Указанная лицензия — Apache-2.0. Карточка сообщает о 20 000 шагах обучения; качество на реальных записях и устойчивость к шуму отдельно не охарактеризованы.

Сценарии применения

  • транскрибация казахских аудиозаписей
  • распознавание казахской речи в монофонических записях 16 кГц
  • создание текстовых расшифровок казахских выступлений
  • добавление распознавания казахской речи в аудиоприложение

Ограничения

Модель рассчитана на монофоническое аудио с частотой 16 кГц; качество распознавания в условиях шума и на разных акцентах в карточке не описано.

Для каких профессий подходит7

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

Kazakh ASR — Wav2Vec2 CTC (OmniASR fine-tuned)

Казак тіліндегі автоматты дыбыс тану моделі (ASR) — OmniASR wav2vec2 негізінде CTC loss-пен fine-tuned.

Model Details

  • База: omnilingual-asr / wav2vec2.5 large
  • Фреймворк: fairseq2
  • Архитектура: Wav2Vec2ForCTC (24 encoder layers, 1024 hidden, 16 heads)
  • Vocab size: 9812 (SentencePiece)
  • Training steps: 20,000
  • Best training loss: -21.70
  • Sampling rate: 16kHz mono

Usage

from transformers import AutoModelForCTC, AutoProcessor
import torch

model = AutoModelForCTC.from_pretrained("nileq/kazakh-omni-asr-ctc")
processor = AutoProcessor.from_pretrained("nileq/kazakh-omni-asr-ctc")

# 16kHz аудио
import soundfile as sf
speech, _ = sf.read("kazakh_audio.wav")

inputs = processor(speech, sampling_rate=16000, return_tensors="pt", padding=True)
with torch.no_grad():
    logits = model(inputs.input_values).logits

predicted_ids = torch.argmax(logits, dim=-1)
transcription = processor.batch_decode(predicted_ids)
print(transcription[0])

Citation

Если используете модель в работе:

@misc{nurislam2025kazahasr,
  title={Kazakh ASR — Wav2Vec2 CTC (OmniASR fine-tuned)},
  author={Nurislam},
  year={2025},
  howpublished={\url{https://huggingface.co/nileq/kazakh-omni-asr-ctc}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
a365b76

0 моделей