Характеристики

Лицензия: MIT
Базовая модель: w2v-bert-2.0
Библиотека: transformers
Опубликована: 29 июн 2026

Ссылки

Hugging Face

W2V2_Bert_Afrivoice_FLEURS_Shona_100hr_v1

sulaimank

Распознавание речиАудио → текст

Модель на основе W2V-BERT 2.0 распознаёт речь на шона и преобразует её в текст.

0скачиваний за 30 дней0лайковвеса обновлены29 июн 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

W2V2BertAfrivoiceFLEURSShona100hrv1 — модель автоматического распознавания речи, дообученная на основе facebook/w2v-bert-2.0. Она предназначена для преобразования аудио с речью на языке шона в текст. В карточке указаны результаты оценки: WER 0,2047 и CER 0,0377; датасет обучения не раскрыт.

Модель использует архитектуру W2V-BERT 2.0 и распространяется в формате safetensors через Transformers. Лицензия — MIT. Карточка не описывает ограничения применимости или условия записи аудио; качество для других языков не подтверждено.

Сценарии применения

транскрибация речи на шона
распознавание аудиозаписей на шона
создание текстовых расшифровок устных высказываний на шона

Ограничения

Датасет обучения не указан, а качество на других языках не подтверждено. На оценочной выборке WER составляет 0,2047, CER — 0,0377.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

W2V2_Bert_Afrivoice_FLEURS_Shona_100hr_v1

This model is a fine-tuned version of facebook/w2v-bert-2.0 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2169
Model Preparation Time: 0.0117
Wer: 0.2047
Cer: 0.0377

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: 5e-05
train_batch_size: 4
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.025
num_epochs: 100

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Wer	Cer
0.0958	1.0	4449	0.1764	0.0117	0.2148	0.0352
0.093	2.0	8898	0.1879	0.0117	0.2282	0.0382
0.0993	3.0	13347	0.1860	0.0117	0.2285	0.0384
0.0971	4.0	17796	0.1906	0.0117	0.2379	0.0390
0.0912	5.0	22245	0.1843	0.0117	0.2268	0.0381
0.084	6.0	26694	0.1970	0.0117	0.2247	0.0376
0.0786	7.0	31143	0.2031	0.0117	0.2433	0.0419
0.0716	8.0	35592	0.2114	0.0117	0.2360	0.0394
0.0673	9.0	40041	0.2146	0.0117	0.2358	0.0388
0.0617	10.0	44490	0.2282	0.0117	0.2311	0.0384
0.0559	11.0	48939	0.2302	0.0117	0.2306	0.0386

Framework versions

Transformers 4.45.2
Pytorch 2.1.0+cu118
Datasets 3.0.1
Tokenizers 0.20.1

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: 0e7218f