Модель на основе facebook/w2v-bert-2.0 для распознавания суахилийской речи и преобразования аудио в текст.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
w2v-bert-2.0 Swahili (400h) — модель распознавания речи, разработанная на основе facebook/w2v-bert-2.0 и дообученная для автоматического распознавания суахили. Она использует архитектуру Wav2Vec2-BERT и CTC-декодирование; обучение проводилось примерно на 400 часах речи из Common Voice, FLEURS, AMMI и ALFFA. Модель принимает аудио и выдаёт текстовую расшифровку на суахили. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT.
Модель настроена на распознавание суахилийской речи; качество для других языков не заявлено. Контекстное окно и ограничения по условиям записи в карточке не указаны.
README от автора на Hugging Face, как он его опубликовал
A facebook/w2v-bert-2.0 model fine-tuned for Swahili automatic speech recognition (CTC) on ~400 hours of Swahili speech.
Fine-tuned on a combined ~400h Swahili corpus from four public datasets:
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Доступ к модели ограничен автором; у платформы нет доступа к весам.