/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53-arabic
Опубликована
20 июн 2026

diactc-wav2vec2-clartts

Распознавание речиАудио → текст3 профессии

DiaCTC на базе Wav2Vec2 восстанавливает арабские диакритические знаки по речи и расшифровке без диакритики.

51скачиваний за 30 дней0лайковвеса обновлены23 июн 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.

  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.

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

DiaCTC — модель на базе Wav2Vec2, разработанная для восстановления арабских диакритических знаков по аудиоречи и текстовой расшифровке без диакритики. Она дообучена на ClArTTS, наборе классического арабского языка, и использует декодирование с ограничениями WFST. В README приведены результаты на ClArTTS: WER 11,21 и DER 3,53; на ArVoice: WER 39,89 и DER 12,04.

Модель основана на jonatasgrosman/wav2vec2-large-xlsr-53-arabic и содержит 402,7 млн параметров. Она принимает аудио и текст, а выдаёт арабскую текстовую расшифровку с восстановленными диакритическими знаками. Для использования в README указаны параметры use_blank_token, use_no_diac_token и use_unk_diac_token, а также декодирование методом WFST.

Модель предназначена для арабской речи и текста. Результаты на ArVoice заметно ниже, чем на ClArTTS, поэтому перенос на другие наборы данных может быть ограничен. Лицензия — MIT.

Сценарии применения

  • восстановление огласовок в классическом арабском тексте по аудиозаписи
  • диаризация?
  • подготовка диакритизированных расшифровок арабской речи
  • автоматическая транскрипция арабской речи с восстановлением диакритики

Ограничения

На ArVoice качество ниже, чем на обучающем ClArTTS: WER 39,89 против 11,21, DER 12,04 против 3,53. Использование модели предполагает подачу текстовой расшифровки без диакритики вместе с аудио и декодирование WFST.

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

DiaCTC — Wav2Vec2 (ClArTTS)

Fine-tuned Wav2Vec2 CTC model for Arabic diacritic restoration from speech + undiacritized transcript, trained on ClArTTS (Classical Arabic).

This checkpoint is used with DiaCTC constrained WFST decoding. Try the interactive demo: DiaCTC Space.

Results (ClArTTS training)

Test setWER ↓DER ↓
ClArTTS11.213.53
ArVoice39.8912.04

Base encoder: jonatasgrosman/wav2vec2-large-xlsr-53-arabic.

Usage

from diactc.models import Wav2Vec2DiacritizationModel

model = Wav2Vec2DiacritizationModel(
    "rufaelfekadu/diactc-wav2vec2-clartts",
    device="cuda",
    use_blank_token=True,
    use_no_diac_token=True,
    use_unk_diac_token=True,
)
text, rtf = model.diacritize(
    undiacritized_text,
    audio_path,
    constrained=True,
    method="wfst",
)

Citation

@article{marew2026constrained,
  title   = {Constrained CTC Decoding for Efficient Diacritic Restoration},
  author  = {Marew, Rufael and Keleg, Amr and Aldarmaki, Hanan},
  journal = {arXiv preprint arXiv:TBD},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
38528f8

0 моделей