/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Библиотека
transformers
Опубликована
25 июл 2026

Ссылки

Hugging Face

wav2vec2-xlsr-300m-hre-v1

ntviet
Распознавание речиАудио → текст

Дообученная модель Wav2Vec2 для автоматического распознавания речи из набора hre-audio-dataset8.

7скачиваний 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/wav2vec2-xlsr-300m-hre-v1 — модель распознавания речи, дообученная на наборе hre-audio-dataset8 на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудиоречи в текст; число параметров — около 402,7 млн. Модель загружается через Transformers, веса доступны в формате safetensors.

В карточке приведены результаты оценки: CER 51,37 и CER Ortho 51,81. Эти значения указывают на заметную долю ошибок распознавания; пригодность для конкретных записей стоит оценить отдельно. Язык, поддерживаемый формат аудио и подробные ограничения в карточке не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • Преобразование аудиозаписей в текст
  • Распознавание речи на данных, похожих на hre-audio-dataset8
  • Экспериментальная оценка качества ASR на собственных аудиозаписях

Ограничения

В оценке указаны CER 51,37 и CER Ortho 51,81, что свидетельствует о существенных ошибках распознавания; качество на других данных не подтверждено. Язык модели и требования к входному аудио в карточке не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xlsr-300m-hre-v1

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the hre-audio-dataset8 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7875
  • Cer Ortho: 51.8126
  • Cer: 51.3707

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
3.48330.46081003.451799.048899.0248
3.19520.92172003.020399.048899.0248
2.92791.38253002.893699.048899.0248
2.89481.84334002.797091.852191.9595
2.77272.30415002.655395.477495.4186
2.43912.76506002.401987.939787.6541
2.06693.22587001.913483.470978.6017
1.76753.68668001.764186.163078.7305
1.47054.14759001.594984.870875.3266
1.34564.608310001.305678.804771.2052
1.30885.069111001.225378.966369.8068
1.16815.530012001.157377.692067.7093
0.99105.990813001.133274.012966.0718
0.91766.451614001.009164.124261.5823
1.04156.912415000.912761.324560.7176
0.90147.373316000.949560.355359.7424
0.82347.834117000.973161.486060.9384
0.73138.294918000.936560.050359.2456
0.76608.755819000.911859.834959.6136
0.68339.216620000.846256.550656.5593
0.69849.677421000.876858.076157.3689
0.627210.138222000.932058.506857.9025
0.643110.599123000.869556.407056.4489
0.598011.059924000.859556.407056.5225
0.570111.520725000.924557.304456.6697
0.616811.981626000.796154.038053.6707
0.591612.442427000.818755.222555.0138
0.680912.903228000.805454.863654.6826
0.578013.364129000.803453.930453.7626
0.505613.824930000.806253.948353.8730
0.521814.285731000.827254.361154.2226
0.538414.746532000.810253.553552.9899
0.530715.207433000.796952.871552.2907
0.464815.668234000.797753.284352.6403
0.462416.129035000.821153.571452.8795
0.407316.589936000.798352.458751.7755
0.462717.050737000.794752.961252.2355
0.415817.511538000.814552.117751.6651
0.386317.972439000.788552.117751.7571
0.402418.433240000.803851.992151.4259
0.386518.894041000.820752.010151.3523
0.409119.354842000.787151.740851.1684
0.358919.815743000.787251.866551.3891
0.360620.043400.787551.812651.3707

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
Wav2Vec2ForCTC
Ревизия весов
b187327

0 моделей

    Создать бенчмарк