Характеристики

Лицензия: Apache 2.0
Базовая модель: wav2vec2-xls-r-300m
Библиотека: transformers
Опубликована: 29 июн 2026

Ссылки

Hugging Face

wav2vec2-xls-r-300m-Fleurs_AMMI_AFRIVOICE_LRSC-ln-109hrs-v2

sulaimank

Распознавание речиАудио → текст

Дообученная модель wav2vec2-XLS-R-300M для преобразования речи из аудио 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

Это модель автоматического распознавания речи, полученная дообучением facebook/wav2vec2-xls-r-300m. В репозитории указаны метрики на наборе оценки: WER 0,1939, CER 0,0632 и loss 0,3710.

Модель предназначена для преобразования аудиозаписей речи в текст. README не раскрывает используемые данные, поддерживаемые языки и сценарии применения; название репозитория содержит упоминания Fleurs, AMMI, Afrivoice и LRSC, но этого недостаточно, чтобы подтвердить конкретный охват языков. Распространяется под лицензией Apache-2.0.

Сценарии применения

транскрибирование речевых аудиозаписей
распознавание речи в многоязычных сценариях
оценка качества автоматической транскрипции по WER и CER

Ограничения

README не описывает набор обучения, языковое покрытие и ограничения применения; приведённые метрики относятся только к указанному набору оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-300m-Fleurs_AMMI_AFRIVOICE_LRSC-ln-100hrs-v2

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3710
Wer: 0.1939
Cer: 0.0632

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: 4
eval_batch_size: 2
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 100
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer	Cer
3.0206	1.0	5760	0.6687	0.4122	0.1239
0.8506	2.0	11520	0.4709	0.3106	0.0945
0.7012	3.0	17280	0.3870	0.3028	0.0920
0.6373	4.0	23040	0.3576	0.2734	0.0826
0.598	5.0	28800	0.3538	0.2662	0.0814
0.5728	6.0	34560	0.3209	0.2538	0.0781
0.5507	7.0	40320	0.3151	0.2467	0.0751
0.5327	8.0	46080	0.3041	0.2341	0.0727
0.517	9.0	51840	0.3150	0.2384	0.0736
0.5056	10.0	57600	0.3031	0.2215	0.0697
0.4968	11.0	63360	0.2960	0.2184	0.0684
0.4829	12.0	69120	0.3008	0.2166	0.0679
0.4736	13.0	74880	0.2885	0.2153	0.0667
0.4628	14.0	80640	0.3040	0.2144	0.0669
0.4556	15.0	86400	0.2832	0.2049	0.0638
0.4435	16.0	92160	0.3059	0.2063	0.0646
0.4358	17.0	97920	0.2956	0.2079	0.0658
0.4244	18.0	103680	0.2960	0.2019	0.0628
0.4137	19.0	109440	0.2882	0.2066	0.0655
0.4054	20.0	115200	0.2945	0.2033	0.0658
0.3997	21.0	120960	0.2998	0.2061	0.0657
0.3897	22.0	126720	0.2866	0.2025	0.0669
0.3779	23.0	132480	0.3029	0.2013	0.0685
0.3686	24.0	138240	0.3168	0.1965	0.0632
0.3619	25.0	144000	0.3174	0.1972	0.0648
0.3549	26.0	149760	0.3099	0.1994	0.0656
0.3483	27.0	155520	0.3107	0.2015	0.0694
0.3401	28.0	161280	0.3254	0.1934	0.0626
0.3319	29.0	167040	0.3291	0.1990	0.0663
0.3268	30.0	172800	0.3275	0.1941	0.0656
0.3209	31.0	178560	0.3213	0.2037	0.0700
0.3157	32.0	184320	0.3189	0.1994	0.0675
0.3103	33.0	190080	0.3433	0.1952	0.0618
0.3063	34.0	195840	0.3200	0.1934	0.0629
0.3009	35.0	201600	0.3270	0.1940	0.0655
0.2966	36.0	207360	0.3395	0.1926	0.0628
0.2921	37.0	213120	0.3619	0.1893	0.0612
0.2893	38.0	218880	0.3535	0.1923	0.0642
0.285	39.0	224640	0.3570	0.1942	0.0649
0.2796	40.0	230400	0.3634	0.1890	0.0612
0.2759	41.0	236160	0.3369	0.1995	0.0669
0.2743	42.0	241920	0.3605	0.1945	0.0655
0.27	43.0	247680	0.3838	0.1902	0.0627
0.2676	44.0	253440	0.3750	0.1895	0.0628
0.2643	45.0	259200	0.3672	0.1917	0.0637
0.2603	46.0	264960	0.3717	0.1922	0.0641
0.2555	47.0	270720	0.3710	0.1939	0.0632

Framework versions

Transformers 4.46.1
Pytorch 2.1.0+cu118
Datasets 3.1.0
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: afff295