Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-large-xlsr-53
Библиотека: transformers
Опубликована: 24 июл 2026

Ссылки

Hugging Face

wav2vec2-xlsr-hre-v1

ntviet

Распознавание речиАудио → текст

Дообученная на hre-audio-dataset8 модель Wav2Vec2 для автоматического преобразования речи в текст.

6скачиваний 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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-hre-v1 — модель распознавания речи, дообученная на наборе hre-audio-dataset8 на основе facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC, содержит 402,7 млн параметров и принимает аудио для преобразования речи в текст. В README приведены результаты оценки: CER Ortho 57,1608 и CER 48,9420; эти значения указывают на существенные ошибки распознавания.

Модель предназначена для автоматического распознавания речи, однако карточка не описывает целевой язык, условия записи и конкретные сценарии применения. Распространяется в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

распознавание речи из аудиозаписей
получение текстовой расшифровки аудиофрагментов
оценка ошибок распознавания речи по CER

Ограничения

В README указаны CER 48,9420 и CER Ortho 57,1608 на оценочном наборе, что свидетельствует о заметных ошибках распознавания. Целевой язык и условия, в которых модель проверялась, не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xlsr-hre-v1

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the hre-audio-dataset8 dataset. It achieves the following results on the evaluation set:

Loss: 0.9722
Cer Ortho: 57.1608
Cer: 48.9420

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 Loss	Epoch	Step	Validation Loss	Cer Ortho	Cer
0.3674	0.4608	100	0.9867	61.0553	54.7010
0.3941	0.9217	200	0.9548	63.8729	54.5722
0.3239	1.3825	300	0.9726	60.3733	53.8178
0.4434	1.8433	400	0.8731	59.9605	53.5787
0.3304	2.3041	500	1.0734	64.0883	54.7930
0.3552	2.7650	600	0.8890	62.6525	53.1555
0.3390	3.2258	700	0.9412	58.5786	53.7994
0.3741	3.6866	800	0.9152	56.8737	52.6035
0.2740	4.1475	900	0.9503	57.8428	52.1803
0.2942	4.6083	1000	0.9740	57.8607	52.2355
0.3040	5.0691	1100	0.8920	58.9555	51.3707
0.3025	5.5300	1200	0.9718	58.5068	52.1067
0.2609	5.9908	1300	0.9868	59.3144	52.2171
0.2534	6.4516	1400	1.0018	56.7839	52.4011
0.3303	6.9124	1500	0.9764	58.3632	51.3707
0.2839	7.3733	1600	0.9399	60.0503	51.4811
0.2668	7.8341	1700	0.9931	60.9476	52.2355
0.3022	8.2949	1800	0.9181	60.4810	51.3891
0.3641	8.7558	1900	0.8288	58.0043	50.4876
0.3030	9.2166	2000	0.9127	58.8299	51.2052
0.3124	9.6774	2100	0.9390	56.6762	51.3707
0.2614	10.1382	2200	0.9390	58.8658	51.3339
0.2920	10.5991	2300	0.8887	58.0402	50.0644
0.2787	11.0599	2400	0.9710	61.3783	50.8372
0.2660	11.5207	2500	1.0166	62.5090	51.8675
0.2955	11.9816	2600	0.9085	60.4630	50.3404
0.2702	12.4424	2700	0.9840	60.2656	50.2300
0.2810	12.9032	2800	0.9933	59.5477	50.0092
0.2654	13.3641	2900	0.9433	59.5298	50.1932
0.2132	13.8249	3000	0.9613	57.7710	49.6964
0.1992	14.2857	3100	0.9687	58.7940	49.6596
0.2426	14.7465	3200	0.9831	59.8169	50.6716
0.2276	15.2074	3300	0.9570	58.5248	49.3284
0.1987	15.6682	3400	1.0591	58.5068	50.4692
0.2157	16.1290	3500	1.0039	57.9505	50.1012
0.1643	16.5899	3600	0.9512	56.8378	48.9604
0.2012	17.0507	3700	0.9912	57.3941	49.6412
0.1917	17.5115	3800	1.0092	57.5915	49.5860
0.1653	17.9724	3900	0.9984	57.5556	49.4572
0.1890	18.4332	4000	0.9601	57.1967	49.1812
0.1715	18.8940	4100	1.0008	57.5556	49.5676
0.1785	19.3548	4200	0.9669	57.0172	48.9052
0.1341	19.8157	4300	0.9722	57.2146	48.9604
0.1606	20.0	4340	0.9722	57.1608	48.9420

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: dbf20b3

Характеристики

Ссылки

wav2vec2-xlsr-hre-v1

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Карточка модели

wav2vec2-xlsr-hre-v1

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить