Характеристики

Базовая модель: ASR-cv-corpus-ug-16
Библиотека: transformers
Опубликована: 21 сен 2025

Ссылки

Hugging Face

ASR-cv-corpus-ug-22-2

piyazon

Распознавание речиАудио → текст5 профессий

Дообученная модель wav2vec2-bert для распознавания речи из аудио в текст.

32скачиваний за 30 дней5лайковвеса обновлены23 сен 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

ASR-cv-corpus-ug-22-2 — модель распознавания речи на основе архитектуры wav2vec2-bert, дообученная автором piyazon на базе piyazon/ASR-cv-corpus-ug-16. Она предназначена для преобразования аудиозаписей в текст; в README указаны результаты оценки: loss 0,0371 и WER 0,0283. Данные обучения и подробности о сценариях применения не приведены. Модель распространяется в формате safetensors через библиотеку Transformers; сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

расшифровка аудиозаписей на уйгурском языке
автоматическая транскрипция речи
преобразование устной речи в текст

Ограничения

Датасет дообучения и описание ограничений не приведены. Указанный WER относится к оценочному набору, состав которого не описан.

Для каких профессий подходит5

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 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

II.10Разработка и эксплуатация AI/ML-систем

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ASR-cv-corpus-ug-22-2

This model is a fine-tuned version of piyazon/ASR-cv-corpus-ug-16 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0371
Wer: 0.0283

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: 3e-05
train_batch_size: 32
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 64
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: 500
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.0431	0.1403	500	0.0362	0.0463
0.0382	0.2806	1000	0.0351	0.0465
0.0366	0.4209	1500	0.0345	0.0453
0.0352	0.5612	2000	0.0328	0.0446
0.034	0.7015	2500	0.0327	0.0428
0.0338	0.8418	3000	0.0330	0.0439
0.035	0.9820	3500	0.0320	0.0440
0.0259	1.1223	4000	0.0307	0.0412
0.0255	1.2626	4500	0.0305	0.0394
0.0239	1.4029	5000	0.0294	0.0383
0.0239	1.5432	5500	0.0303	0.0396
0.0238	1.6835	6000	0.0292	0.0382
0.0256	1.8238	6500	0.0291	0.0383
0.0229	1.9641	7000	0.0279	0.0373
0.0192	2.1044	7500	0.0297	0.0365
0.0182	2.2447	8000	0.0271	0.0348
0.0174	2.3850	8500	0.0287	0.0364
0.0175	2.5253	9000	0.0286	0.0364
0.0183	2.6655	9500	0.0269	0.0362
0.0183	2.8058	10000	0.0281	0.0366
0.0181	2.9461	10500	0.0263	0.0336
0.0155	3.0864	11000	0.0279	0.0360
0.0141	3.2267	11500	0.0275	0.0343
0.0141	3.3670	12000	0.0280	0.0342
0.0136	3.5073	12500	0.0270	0.0337
0.0135	3.6476	13000	0.0272	0.0330
0.0128	3.7879	13500	0.0253	0.0321
0.0134	3.9282	14000	0.0253	0.0324
0.0125	4.0685	14500	0.0264	0.0329
0.0098	4.2088	15000	0.0277	0.0317
0.0105	4.3490	15500	0.0258	0.0323
0.0102	4.4893	16000	0.0282	0.0312
0.0101	4.6296	16500	0.0274	0.0324
0.0104	4.7699	17000	0.0279	0.0311
0.0109	4.9102	17500	0.0258	0.0313
0.0094	5.0505	18000	0.0294	0.0320
0.0077	5.1908	18500	0.0282	0.0315
0.0073	5.3311	19000	0.0281	0.0310
0.0075	5.4714	19500	0.0276	0.0300
0.0077	5.6117	20000	0.0262	0.0304
0.0069	5.7520	20500	0.0285	0.0300
0.0078	5.8923	21000	0.0277	0.0305
0.0076	6.0325	21500	0.0296	0.0302
0.0052	6.1728	22000	0.0296	0.0302
0.0054	6.3131	22500	0.0313	0.0299
0.0058	6.4534	23000	0.0302	0.0305
0.0064	6.5937	23500	0.0319	0.0308
0.0063	6.7340	24000	0.0299	0.0304
0.0061	6.8743	24500	0.0319	0.0300
0.0063	7.0146	25000	0.0308	0.0293
0.004	7.1549	25500	0.0318	0.0301
0.0041	7.2952	26000	0.0327	0.0298
0.0046	7.4355	26500	0.0308	0.0304
0.0046	7.5758	27000	0.0305	0.0296
0.0046	7.7160	27500	0.0298	0.0300
0.0045	7.8563	28000	0.0318	0.0290
0.0044	7.9966	28500	0.0305	0.0289
0.0031	8.1369	29000	0.0331	0.0288
0.003	8.2772	29500	0.0325	0.0290
0.0033	8.4175	30000	0.0354	0.0285
0.003	8.5578	30500	0.0323	0.0286
0.0031	8.6981	31000	0.0327	0.0290
0.0027	8.8384	31500	0.0342	0.0284
0.003	8.9787	32000	0.0318	0.0286
0.0021	9.1190	32500	0.0368	0.0285
0.002	9.2593	33000	0.0361	0.0285
0.0019	9.3996	33500	0.0354	0.0283
0.0018	9.5398	34000	0.0361	0.0283
0.0019	9.6801	34500	0.0366	0.0284
0.0018	9.8204	35000	0.0371	0.0282
0.002	9.9607	35500	0.0371	0.0283

Framework versions

Transformers 4.56.2
Pytorch 2.8.0+cu128
Datasets 4.1.1
Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 1b6f6b2