/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Базовая модель
hubert-large-ls960-ft
Библиотека
transformers
Опубликована
25 июл 2026

Ссылки

Hugging Face

hubert-large-hre-v1

ntviet
Распознавание речиАудио → текст

Дообученная модель HuBERT Large для автоматического распознавания речи из аудио.

5скачиваний за 30 дней0лайковвеса обновлены25 июл 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

ntviet/hubert-large-hre-v1 — модель распознавания речи на основе архитектуры HuBERT Large с выходным слоем CTC. Она дообучена на наборе hre-audio-dataset8 от facebook/hubert-large-ls960-ft и предназначена для преобразования аудио в текст. В репозитории указаны результаты на оценочной выборке: CER 46,53% и CER с орфографической нормализацией 53,95%; назначение и состав самого набора данных не раскрыты.

Модель содержит около 402,7 млн параметров, принимает аудио и выдаёт текст. Базовая модель распознаёт английскую речь; отдельные языки для дообученной версии в карточке не указаны. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • распознавание речи из аудиозаписей
  • преобразование речи в текст
  • транскрибирование аудио для последующей обработки

Ограничения

На оценочной выборке CER составляет 46,53%, что указывает на заметные ошибки распознавания. Назначение и языковой состав обучающего набора не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hubert-large-hre-v1

This model is a fine-tuned version of facebook/hubert-large-ls960-ft on the hre-audio-dataset8 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7225
  • Cer Ortho: 53.9483
  • Cer: 46.5317

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: 0.0003
  • 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: 100
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer OrthoCer
3.35390.46081003.233399.048899.0248
2.16750.92172002.041184.224782.1343
1.23981.38253001.286869.831366.8261
1.03721.84334001.081462.060360.5520
0.91432.30415000.949064.178059.4296
0.88142.76506000.840161.575756.4857
0.77263.22587000.860658.650455.9522
0.81163.68668000.767067.964854.9402
0.68264.14759000.752467.731554.1490
0.59534.608310000.781266.708553.5051
0.67335.069111000.826863.029454.0202
0.65965.530012000.710962.993552.6403
0.50655.990813000.752965.470251.6651
0.48806.451614000.764365.039551.5731
0.55396.912415000.728565.667651.8123
0.54467.373316000.721562.778251.1316
0.47637.834117000.766964.249851.2971
0.46658.294918000.692063.872950.1564
0.41898.755819000.696464.447249.9172
0.41249.216620000.716458.811949.9540
0.31579.677421000.693956.550649.9356
0.357010.138222000.745954.917449.4756
0.352310.599123000.684850.951248.7029
0.362411.059924000.686050.628148.6293
0.305411.520725000.782151.364048.8684
0.319011.981626000.823852.458749.2732
0.367512.442427000.794757.986449.3284
0.418212.903228000.732657.788948.3533
0.299413.364129000.760655.725148.4085
0.266613.824930000.720456.066047.6909
0.276914.285731000.730854.863647.3229
0.284314.746532000.753156.640347.8381
0.258715.207433000.716656.137847.3965
0.238615.668234000.696952.943347.2125
0.228416.129035000.704651.256346.8813
0.180616.589936000.727752.799747.1205
0.226617.050737000.684053.822746.5133
0.172817.511538000.726953.858646.5317
0.199317.972439000.718654.558546.5869
0.194418.433240000.722854.522646.3109
0.192318.894041000.740254.773946.8077
0.219119.354842000.729853.984246.5501
0.171719.815743000.723054.002246.5133
0.176120.043400.722553.948346.5317

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 2.18.0
  • 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
HubertForCTC
Ревизия весов
52f1ab0

0 моделей

    Создать бенчмарк