Характеристики

Библиотека: transformers
Опубликована: 14 июл 2026

Ссылки

Hugging Face

xlsr-luganda-waxal-pseudo

sulaimank

Распознавание речиАудио → текст

Модель на архитектуре XLSR/wav2vec 2.0 для автоматического преобразования речи в текст.

0скачиваний за 30 дней0лайковвеса обновлены15 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

Модель sulaimank/xlsr-luganda-waxal-pseudo — модель автоматического распознавания речи на базе архитектуры wav2vec 2.0 XLSR. В README указано, что её обучили с нуля, но датасет и разработчик не описаны.

Модель предназначена для преобразования аудио в текст. В карточке приведены результаты оценки: WER 0,1749 и CER 0,0370; язык и условия этой оценки не уточнены. Данных о размере модели, контексте, лицензии и целевых сценариях нет.

Сценарии применения

транскрибирование аудиозаписей
распознавание речи для создания текстовых расшифровок
оценка качества распознавания речи по WER и CER

Ограничения

В README не описаны обучающие данные, целевой язык и рекомендуемые условия применения; приведённые метрики оценки не сопровождаются сведениями о датасете. Лицензия и размер модели не указаны в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlsr-luganda-waxal-pseudo

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1483
Model Preparation Time: 0.017
Wer: 0.1749
Cer: 0.0370

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: 4
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 32
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.98) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 12

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Wer	Cer
0.3782	2.9440	500	0.1448	0.017	0.1755	0.0372
0.3742	5.8850	1000	0.1467	0.017	0.1740	0.0370
0.3640	8.8260	1500	0.1477	0.017	0.1744	0.0370
0.3640	11.7670	2000	0.1483	0.017	0.1744	0.0370
0.3640	12.0	2040	0.1483	0.017	0.1749	0.0370

Framework versions

Transformers 5.12.1
Pytorch 2.6.0+cu124
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: ff9949f