BERT-модель размечает слова в транскриптах живой речи для удаления речевых запинок и восстановления очищенного текста.
39скачиваний за 30 дней0лайковвеса обновлены7 июл 2026
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
stillerman/fdt-disfluency-medium-41m — модель разметки слов для удаления речевых запинок в транскриптах живой речи. Разработана stillerman в рамках проекта FluencyAI. Она присваивает каждому слову одну из меток KEEP, DELETE, KEEP_STRIP_COMMA или KEEP_CAPITALIZE, после чего простая процедура восстанавливает очищенный текст.
Модель основана на BERT (архитектура BERT L8/H512) и содержит 49,2 млн параметров; контекст составляет до 512 токенов. Репозиторий содержит веса Safetensors и ONNX, включая квантованный до int8 вариант для transformers.js и запуска в браузере через WebGPU. README сообщает о задержке около 10–50 мс на высказывание и метриках exact-match 0,9455 и DELETE-F1 0,9887.
Модель предназначена для очистки разговорных транскриптов от слов-паразитов и других дисфлюенций с сохранением исходной формулировки: она не перефразирует текст и не должна менять имена и числа. Язык обучающих данных и языковая поддержка в карточке не уточнены. В обучении частично использовался DailyDialog с лицензией CC BY-NC-SA, поэтому автор рекомендует считать модель исследовательским артефактом и не применять её для коммерческого развертывания без дополнительной проверки лицензий. Лицензия репозитория — Apache-2.0.
Сценарии применения
удаление слов-паразитов из расшифровки разговора
очистка транскриптов живой речи с сохранением формулировок
сохранение или снятие запятых при обработке разговорного текста
восстановление заглавных букв после разметки транскрипта
обработка транскриптов в браузере с низкой задержкой
Ограничения
Модель только удаляет размеченные слова или применяет заданные преобразования регистра и запятых; она не перефразирует текст. Обучение частично использовало DailyDialog с лицензией CC BY-NC-SA, поэтому автор не рекомендует коммерческое развертывание без проверки лицензионных условий.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
Disfluency deletion tagger for live speech transcripts: tags every
whitespace word KEEP / DELETE / KEEP_STRIP_COMMA / KEEP_CAPITALIZE,
then a ~15-line reconstruction turns tags into cleaned text. Deletion-only by
construction — it cannot rephrase, hallucinate, or alter names and numbers.
Architecture: BERT L8/H512 (41M params), v1 data mix