/ Модель

Характеристики

Параметры
56,6 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
23 июл 2025

vakgyata-small

Классификация текстаТекст → label3 профессии

Vakgyata-small определяет язык индийской речи по аудио и подходит для языковой маршрутизации и речевой аналитики.

50скачиваний за 30 дней3лайкавеса 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-small — модель классификации аудио для определения индийского языка по речевому сигналу. Её разработчики дообучили предварительно обученную Harveenchadha/wav2vec2-pretrained-clsril-23-10k, добавив Layer Normalization; архитектура основана на Wav2Vec2ForSequenceClassification. В README для варианта small указано 52 млн параметров, а в метаданных — 56,6 млн.

Модель предназначена для распознавания языка речи, например, при предварительной маршрутизации аудио в системах речевой аналитики и контакт-центрах. Она принимает аудио с частотой дискретизации 16 кГц; рекомендован формат моно PCM, 16 бит. README перечисляет поддержку индийского английского, хинди, одия и другие языки, но полный список в доступном тексте обрезан. Метаданные указывают Apache-2.0; доступны веса в форматах Safetensors и ONNX.

Сценарии применения

  • определение языка в аудиозаписях речи
  • маршрутизация звонков по языку собеседника
  • определение языка перед распознаванием речи
  • аналитика многоязычных звонков контакт-центра

Ограничения

Модель рассчитана на идентификацию перечисленных индийских языков, а не на транскрибацию речи. Для входного аудио рекомендуется частота 16 кГц и моно PCM, 16 бит.

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-small"

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-small}
}

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
716cba0

0 моделей