/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-timit-demo-google-colab
Библиотека
transformers
Опубликована
28 июн 2026

wav2vec2-base-shina-asr

Распознавание речиАудио → текст

Дообученная модель Wav2Vec2 для преобразования речи в текст.

7скачиваний за 30 дней0лайковвеса обновлены28 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

sharqi002/wav2vec2-base-shina-asr — модель распознавания речи на базе архитектуры Wav2Vec2, дообученная автором репозитория на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; размер модели составляет 113,3 млн параметров. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0.

В README приведены результаты оценки: loss 1,7335 и WER 0,8773. Описание обучающих данных, поддерживаемых языков и предполагаемых сценариев применения отсутствует; высокий указанный WER говорит об ограниченной точности распознавания на оценочном наборе.

Сценарии применения

  • транскрибирование аудиозаписей
  • распознавание речи из аудио для последующей обработки

Ограничения

На указанном оценочном наборе WER составляет 0,8773, что указывает на низкую точность распознавания. Язык модели и обучающие данные не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-shina-asr

This model is a fine-tuned version of patrickvonplaten/wav2vec2-base-timit-demo-google-colab on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.7335
  • Wer: 0.8773

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: 8
  • eval_batch_size: 8
  • seed: 42
  • 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: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
7.11454.80775003.09741.0
1.49239.615410001.39410.9183
0.579914.423115001.38490.8566
0.364919.230820001.68650.9046
0.259524.038525001.65230.8703
0.196928.846230001.74480.8802
0.196930.031201.73350.8773

Framework versions

  • Transformers 5.12.0
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
3f468ee

0 моделей