Характеристики

Лицензия: MIT
Базовая модель: w2vbert-luganda-waxal
Библиотека: transformers
Опубликована: 12 июл 2026

Ссылки

Hugging Face

w2vbert-luganda-waxal-stage2

sulaimank

Распознавание речиАудио → текст

Дообученная Wav2Vec2-BERT модель для транскрибирования речи на луганда.

0скачиваний за 30 дней1лайквеса обновлены12 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

sulaimank/w2vbert-luganda-waxal-stage2 — модель на базе Wav2Vec2-BERT, дообученная для автоматического распознавания речи на языке луганда и преобразования аудио в текст. Она предназначена для транскрибирования речи. В README приведены результаты на оценочном наборе: WER 0,1006 и CER 0,0230; название датасета не раскрыто.

Модель распространяется в формате safetensors через библиотеку Transformers и лицензирована по MIT. В метаданных указана базовая модель sulaimank/w2vbert-luganda-waxal.

Сценарии применения

транскрибирование записей на луганда
распознавание устной речи на луганда
получение текстовой расшифровки аудиозаписей

Ограничения

Данные о тренировочном датасете и предполагаемых ограничениях в README не приведены. Оценочные показатели относятся к указанному, но не описанному набору данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

w2vbert-luganda-waxal-stage2

This model is a fine-tuned version of sulaimank/w2vbert-luganda-waxal on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1057
Model Preparation Time: 0.0041
Wer: 0.1006
Cer: 0.0230

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 32
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: 100
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Wer	Cer
0.3425	1.0	170	0.0971	0.0041	0.1082	0.0243
0.2876	2.0	340	0.0958	0.0041	0.1034	0.0234
0.2530	3.0	510	0.0948	0.0041	0.1017	0.0231
0.2255	4.0	680	0.0959	0.0041	0.0999	0.0227
0.1997	5.0	850	0.0996	0.0041	0.1007	0.0229
0.1799	6.0	1020	0.1031	0.0041	0.1009	0.0230
0.1607	7.0	1190	0.1057	0.0041	0.1006	0.0230

Framework versions

Transformers 5.13.0
Pytorch 2.13.0+cu130
Datasets 3.6.0
Tokenizers 0.22.2

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: 207754a