/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Библиотека
transformers
Опубликована
29 апр 2025

Ссылки

Hugging Face

wav2vec2-large-mms-1b-evenki-colab

siberian-lang-lab
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для распознавания эвенкийской речи и её преобразования в текст.

77скачиваний за 30 дней0лайковвеса обновлены1 мая 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

siberian-lang-lab/wav2vec2-large-mms-1b-evenki-colab — дообученная Siberian Lang Lab модель распознавания речи на архитектуре wav2vec2. Она основана на facebook/mms-1b-all и содержит 1,3 млрд параметров; заявленная специализация — эвенкийский язык. Модель принимает аудио и преобразует речь в текст.

Модель подходит для автоматической транскрипции эвенкийской речи. В README приведены результаты оценки: loss 0,7563 и WER 0,7135; конкретный набор данных и условия оценки не описаны, поэтому эти показатели сложно интерпретировать. Модель распространяется в формате safetensors через Transformers по лицензии CC BY-NC 4.0, которая требует атрибуции и ограничивает коммерческое использование.

Сценарии применения

  • транскрибация записей речи на эвенкийском языке
  • распознавание эвенкийской речи из аудиофайлов
  • создание текстовых расшифровок эвенкийских интервью
  • подготовка текстовых корпусов из эвенкийских аудиозаписей

Ограничения

В README указана высокая ошибка WER 0,7135, а набор данных и условия оценки не описаны, поэтому качество на целевых записях следует проверять отдельно. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-mms-1b-evenki-colab

This model is a fine-tuned version of facebook/mms-1b-all on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7563
  • Wer: 0.7135

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: 0.001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • 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: 100
  • num_epochs: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
10.05740.03081003.45871.0
2.62760.06152001.71650.9800
1.22190.09233001.22810.9274
1.82420.12304001.26510.9368
1.19240.15385001.11860.9025
1.61120.18466001.15220.9098
1.02510.21537001.05740.8868
1.55750.24618001.19400.9190
1.02240.27689001.04360.8864
1.5650.307610001.23500.9180
0.99660.338411001.06390.8853
1.59410.369112001.20180.9266
1.01520.399913001.04360.8789
1.59560.430614001.05460.8680
0.95920.461415001.01660.8753
1.52090.492216000.99180.8717
0.96470.522917000.96700.8561
1.56890.553718001.03130.8598
0.93090.584419000.98570.8557
1.44940.615220001.03700.9009
0.94890.646021000.98020.8449
1.54040.676722001.02770.8730
0.930.707523000.94900.8214
1.53510.738224001.00750.8489
0.860.769025000.94660.8278
1.40750.799826000.99080.8450
0.89780.830527000.97830.8193
1.50490.861328000.97760.8263
0.86310.892029000.93830.8185
1.43810.922830000.95410.8292
0.95290.953631000.94120.8297
1.49040.984332000.97310.8218
0.98341.015133000.94990.8034
1.01341.045834000.93170.8129
1.29381.076635000.91050.8237
0.98781.107436000.92140.8042
1.16261.138137000.90450.8081
1.08641.168938000.91010.8063
1.211.199639000.90970.7937
1.02421.230440000.90510.7949
1.19351.261241000.90880.8090
0.97841.291942000.91320.8008
1.17191.322743000.88610.7930
1.09241.353444000.89140.8075
1.30061.384245000.88070.7852
0.97681.414946000.88590.7892
1.16581.445747000.89220.7870
0.97081.476548000.86840.7819
1.29681.507249000.86800.7780
1.03971.538050000.89600.7854
1.30941.568751000.87420.7815
0.92741.599552000.87320.7778
1.25381.630353000.86390.7721
1.00891.661054000.87130.7862
1.24531.691855000.86200.7782
0.95211.722556000.85510.7830
1.31611.753357000.85770.7748
1.02741.784158000.85730.7795
1.23411.814859000.83790.7600
0.92221.845660000.86300.7726
1.08611.876361000.84890.7634
0.93411.907162000.84110.7606
1.17171.937963000.85060.7747
0.92051.968664000.86260.7655
1.18911.999465000.85710.7706
0.86292.030166000.84220.7666
1.18542.060967000.84830.7644
0.87672.091768000.82150.7536
1.23172.122469000.85820.7751
0.85722.153270000.83080.7569
1.24782.183971000.81720.7457
0.80122.214772000.82610.7624
1.37222.245573000.85430.7608
0.85452.276274000.82670.7617
1.14392.307075000.83540.7565
0.77522.337776000.82000.7540
1.35722.368577000.82760.7524
0.70832.399378000.82680.7502
1.27192.430079000.82760.7600
0.76182.460880000.81530.7540
1.18862.491581000.81940.7528
0.79022.522382000.81110.7518
1.23952.553183000.82520.7410
0.82432.583884000.80930.7439
1.24542.614685000.81150.7400
0.83532.645386000.80600.7370
1.16792.676187000.81140.7539
0.79872.706988000.80390.7467
1.14352.737689000.81520.7474
0.81462.768490000.79770.7476
1.12332.799191000.79730.7388
0.78872.829992000.79690.7398
1.21492.860793000.80130.7511
0.7752.891494000.78570.7328
1.20722.922295000.79990.7357
0.77422.952996000.79010.7322
1.25082.983797000.79140.7368
0.86213.014598000.78360.7402
0.85073.045299000.77900.7290
1.02663.0760100000.78820.7329
0.86313.1067101000.78820.7281
1.14333.1375102000.78230.7307
0.88923.1683103000.78730.7321
1.02113.1990104000.78360.7273
0.93073.2298105000.78180.7248
1.15333.2605106000.77570.7266
0.89693.2913107000.77860.7198
1.07133.3221108000.77870.7170
0.88163.3528109000.78030.7199
1.10483.3836110000.77770.7199
0.87073.4143111000.77500.7225
0.97133.4451112000.77890.7177
0.77913.4759113000.77330.7170
1.03153.5066114000.76910.7187
0.78993.5374115000.76810.7180
0.94053.5681116000.76610.7175
0.83653.5989117000.76290.7196
1.12943.6297118000.76380.7153
0.85373.6604119000.76470.7114
1.12913.6912120000.75930.7162
0.79393.7219121000.76180.7110
1.11583.7527122000.76170.7128
0.86743.7835123000.75830.7118
1.09043.8142124000.76000.7138
0.7793.8450125000.75740.7116
0.96923.8757126000.75690.7116
0.76363.9065127000.75640.7138
1.00343.9373128000.75770.7138
0.75433.9680129000.75660.7140
1.02053.9988130000.75630.7135

Framework versions

  • Transformers 4.52.0.dev0
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.1
  • Tokenizers 0.21.1

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
08afd9b

0 моделей

    Создать бенчмарк