/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
21 ноя 2025

Ссылки

Hugging Face

English_Wav2Vec_Finetune

pdabo1607
Распознавание речиАудио → текст8 профессий

Дообученная на наборе generator модель Wav2Vec2 для распознавания английской речи в текст.

15скачиваний за 30 дней0лайковвеса обновлены20 дек 2025

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

English_Wav2Vec_Finetune — модель автоматического распознавания английской речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на наборе данных generator. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст.

В карточке приведены результаты оценки на тестовой выборке: loss 0,3020 и WER 0,2061. Подробности о составе и условиях оценки, а также рекомендации по применению не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей на английском языке
  • распознавание английской речи из аудиофайлов
  • получение субтитров из англоязычной речи

Ограничения

Карточка не описывает обучающие данные, условия оценки и конкретные ограничения; приведённый WER 0,2061 не сопровождается сведениями о тестовой выборке.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

English_Wav2Vec_Finetune

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

  • Loss: 0.3020
  • Wer: 0.2061

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: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH 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: 1000
  • training_steps: 1600

Training results

Training LossStepValidation LossWer
9.72384004.39691.0000
4.78338003.44831.0000
3.40712003.36471.0000
2.316216001.63770.9461
1.737720001.28700.8850
1.482424001.06380.6756
1.302228000.96770.6144
1.216132000.90120.5805
1.150736000.86270.5556
1.112240000.81790.5373
1.066744000.80800.5243
1.060548000.79470.5131
1.022952000.79550.5057
1.030256000.77780.5015
1.006160000.78660.4910
0.972764000.74850.4661
0.947368000.72610.4480
0.903372000.67930.4289
0.880176000.67270.4187
0.84180000.65160.4098
0.844484000.65550.4033
0.783788000.62740.3709
0.752192000.60540.3651
0.734796000.58740.3617
0.7016100000.57020.3542
0.7089104000.57490.3491
0.6764108000.56360.3443
0.6805112000.56450.3392
0.6748116000.57810.3363
0.6755120000.55840.3366
0.6588124000.55990.3315
0.6725128000.55850.3280
0.6542132000.56210.3264
0.6718136000.55840.3267
0.6193140000.50560.3152
0.5927144000.51120.2921
0.5711148000.50210.2926
0.5655152000.50470.2842
0.5578156000.49580.2830
0.4854160000.30200.2461
0.4780164000.29320.2321
0.4802168000.29760.2373
0.4732172000.29060.2290
0.4701176000.28820.2225
0.4642180000.28340.2163
0.4514184000.27840.2061
0.4732188000.29060.2290
0.4712192000.28820.2225
0.4651196000.28340.2163
0.4704192000.28820.2225
0.4679196000.28340.2193

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1+cu121
  • Datasets 4.4.1
  • Tokenizers 0.20.3

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
cc51b9f

0 моделей

    Создать бенчмарк