Характеристики

Лицензия: Apache 2.0
Опубликована: 16 июл 2026

Ссылки

Hugging Face

w2vbert-shona-waxal-punct

sulaimank

Распознавание речиАудио → текст

Модель W2V-BERT распознаёт речь на языке шона и формирует транскрипции с пунктуацией.

0скачиваний за 30 дней0лайковвеса обновлены6 авг 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

w2vbert-shona-waxal-punct — модель распознавания речи на основе W2V-BERT с CTC-декодированием, обученная для языка шона на данных WAXAL. В словарь токенов включена пунктуация, поэтому модель предназначена для транскрибирования речи с сохранением знаков препинания. В карточке приведены лучшие результаты на валидации: WER 0,1014 при сохранении пунктуации и 0,0575 после её удаления; для метрики Zindi указаны значения 0,9424 и 0,9648 соответственно.

Модель принимает аудио и выдаёт текст на шона. Она опубликована в формате safetensors под лицензией Apache-2.0. Размер модели и длина контекста в доступных данных не приведены.

Сценарии применения

транскрибирование речи на шона
распознавание речи с расстановкой пунктуации
подготовка текстовых расшифровок аудиозаписей на шона

Ограничения

Модель обучена для шона, поэтому её применение к другим языкам не подтверждено. В карточке приведены только результаты валидации; сведения о качестве на других аудиоданных отсутствуют.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

w2vbert-shona-waxal-punct

Dedicated Shona W2V-BERT CTC trained WITH punctuation in vocab, on WAXAL Shona.

Best validation:

Loss: 0.0345
Wer keep: 0.1014 | Zindi keep: 0.9424
Wer strip: 0.0575 | Zindi strip: 0.9648

Training results

Epoch	Step	Val Loss	WER keep	CER keep	Zindi keep	WER strip	Zindi strip
0.23	4	5.6245	0.9999	0.8569	0.0716	1.0063	0.0759
0.47	9	3.9539	1.0005	0.8681	0.0657	1.0005	0.0666
0.70	14	3.4340	1.0000	0.9657	0.0171	1.0000	0.0174
0.94	19	2.9095	1.0000	0.9941	0.0030	1.0000	0.0030
1.17	24	1.0690	0.9233	0.2838	0.3965	0.9200	0.4018
1.40	29	0.0668	0.1481	0.0228	0.9146	0.0941	0.9428
1.64	34	0.0486	0.1268	0.0185	0.9273	0.0767	0.9532
1.87	39	0.0424	0.1180	0.0169	0.9326	0.0685	0.9580
2.10	44	0.0402	0.1150	0.0162	0.9344	0.0639	0.9609
2.34	49	0.0366	0.1089	0.0150	0.9380	0.0610	0.9626
2.57	54	0.0346	0.1056	0.0142	0.9401	0.0597	0.9635
2.80	59	0.0329	0.1041	0.0140	0.9409	0.0582	0.9643
3.04	64	0.0344	0.1037	0.0138	0.9413	0.0577	0.9647
3.27	69	0.0345	0.1014	0.0139	0.9424	0.0575	0.9648
3.51	74	0.0345	0.1028	0.0143	0.9414	0.0572	0.9650
3.74	79	0.0348	0.1057	0.0151	0.9396	0.0577	0.9647
3.97	84	0.0326	0.1043	0.0141	0.9408	0.0584	0.9644
4.21	89	0.0363	0.1031	0.0143	0.9413	0.0576	0.9648
4.44	94	0.0356	0.1059	0.0152	0.9395	0.0586	0.9642
4.67	99	0.0332	0.1043	0.0155	0.9401	0.0582	0.9645
4.91	104	0.0332	0.1037	0.0156	0.9404	0.0573	0.9649
5.14	109	0.0352	0.1049	0.0143	0.9404	0.0579	0.9646

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 95669e4