/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
23 июл 2025

vakgyata-base

Классификация текстаТекст → label3 профессии

Vakgyata Base — модель на базе Wav2Vec2 для определения индийского языка по речевому аудио.

387скачиваний за 30 дней1лайквеса обновлены23 июл 2025

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

Vakgyata Base — модель OneCxi для определения языка по речевому аудио. Она основана на предварительно обученной Harveenchadha/wav2vec2-pretrained-clsril-23-10k и дополнена Layer Normalization для повышения стабильности классификации. Модель использует архитектуру Wav2Vec2ForSequenceClassification; в метаданных указано 113,3 млн параметров.

Модель принимает аудио с частотой дискретизации 16 кГц, для которого рекомендуется монофонический PCM с разрядностью 16 бит, и классифицирует речь на индийских языках. В README приведены примеры поддерживаемых языков: английский (Индия), хинди и одия; метаданные также перечисляют бенгальский, тамильский, телугу, каннада, малаялам, маратхи, гуджарати, пенджаби и ассамский. Модель подходит для определения языка в речевых записях и предварительной маршрутизации аудио в системах распознавания речи и аналитики звонков.

Заявленная в README точность базовой версии составляет 95,88%, но описание методики и условий оценки не приведено. Модель распространяется по лицензии Apache-2.0; для использования нужны совместимые аудиоданные и библиотека Transformers.

Сценарии применения

  • определение языка в аудиозаписях речи
  • маршрутизация звонков по языку абонента
  • предварительный выбор модели распознавания речи
  • классификация аудиозаписей на индийских языках

Ограничения

Модель рассчитана на перечисленные индийские языки и ожидает аудио с частотой дискретизации 16 кГц. Заявленная точность приведена без описания тестового набора и условий оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Vakgyata

Language Identification for Indian Languages from Speech


Model Overview

vakgyata is an open-source language identification model specifically designed to classify Indian languages from raw speech audio. It is built upon the pretrained Harveenchadha/wav2vec2-pretrained-clsril-23-10k with additional Layer Normalization integrated to improve stability and performance for audio classification tasks.


Variants and Model Sizes

VariantParametersAccuracy
vakgyata-base95M95.88%
vakgyata-small52M95.06%
vakgyata-mini38M95.06%
vakgyata-tiny24M93.63%

Supported Languages

LanguageCode
English (India)en-IN
Hindihi-IN
Odiaor-IN
Bengalibn-IN
Tamilta-IN
Telugute-IN
Kannadakn-IN
Malayalamml-IN
Marathimr-IN
Gujaratigu-IN
Punjabipa-IN
Assameseas-IN

Specifications

  • Supported Sampling Rate: 16000 Hz
  • Recommended Audio Format: 16kHz, 16bit PCM (Mono)

Installation

pip install transformers torchaudio

Usage

from transformers import Wav2Vec2ForSequenceClassification, AutoFeatureExtractor
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

model_id = "onecxi/vakgyata-base"  # You can replace with tiny/small/mini variants

processor = AutoFeatureExtractor.from_pretrained(model_id)
model = Wav2Vec2ForSequenceClassification.from_pretrained(model_id).to(device)

Inference Example

import torchaudio

# Load the audio (ensure it's 16kHz mono)
audio, sr = torchaudio.load("path/to/audio.wav")

# Preprocess
inputs = processor(audio.squeeze(), sampling_rate=sr, return_tensors="pt").to(device)

# Inference
with torch.no_grad():
    logits = model(**inputs).logits

# Softmax to get probabilities
probs = logits.softmax(dim=-1).cpu().numpy()

# Predicted language
language = model.config.id2label.get(probs.argmax())
print("Predicted Language:", language)

Citation

If you use this model in your research or application, please consider citing the model and its base source:

@misc{vakgyata2024,
  title={vakgyata: Language Identification for Indian Speech},
  author={OneCXI},
  year={2024},
  url={https://huggingface.co/onecxi/vakgyata-base}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
50bd214

0 моделей