/ Модель

Характеристики

Параметры
113 млн
Лицензия
AGPL 3.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-pretrained-clsril-23-10k
Библиотека
transformers
Опубликована
20 фев 2026

swecha-gonthuka-asr

Распознавание речиАудио → текст6 профессий

Модель Wav2Vec2 для преобразования речи на телугу в текст, обученная на наборе Swecha Gonthuka.

374скачиваний за 30 дней8лайковвеса обновлены21 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Swecha Gonthuka ASR — модель автоматического распознавания речи на телугу, разработанная Swecha Telangana на основе Wav2Vec2ForCTC и дообученная на наборе данных Swecha Gonthuka. Модель принимает аудио и преобразует речь в текст на телугу; предназначена для транскрибации, повышения доступности и поддержки сохранения языка. Она содержит 113,3 млн параметров и использует библиотеку Transformers.

В карточке приведены результаты оценки на тестовых наборах только с телугу: CER составил 6,32% на FLEURS (te_in), 9,00% на OpenSLR66 и 11,92% на Common Voice 22. Оценка выполнялась после нормализации текста до письменности телугу и пробелов, поэтому результаты могут отличаться на данных с английскими словами. Качество зависит от акцента, диалекта, шума и записи; для важных или юридических расшифровок требуется проверка человеком. Лицензия — AGPL-3.0.

Сценарии применения

  • транскрибация речи на телугу
  • создание субтитров для аудио и видео на телугу
  • распознавание речи для сервисов доступности на телугу
  • оцифровка устных материалов на телугу для сохранения языка

Ограничения

Качество может снижаться из-за акцента, диалекта, шума и низкого качества записи; оценка в README проводилась на примерах без английских слов. Для важных и юридических транскрипций нужна проверка человеком.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Swecha Gonthuka ASR (Telugu)

Telugu automatic speech recognition model (wav2vec2-based), trained on the Swecha Gonthuka dataset. It is evaluated on Telugu-only test sets with Character Error Rate (CER).

Model details

  • Training data: Swecha Gonthuka dataset
  • Language: Telugu (te)
  • Metric: CER (Character Error Rate) — text normalized to Telugu script + spaces before scoring.

Evaluation results

DatasetTest samplesCER (%)
FLEURS (te_in)3046.32
OpenSLR664209.00
Common Voice 22 (te)5811.92

Note: For evaluation we used only those samples that contain no English words-Telugu text only-for each dataset, to allow a fair evaluation of model capability.

Usage

Python (Transformers)

pip install transformers torch librosa
from transformers import pipeline

pipe = pipeline(
    "automatic-speech-recognition",
    model="viswamaicoe/swecha-gonthuka-asr",
    feature_extractor="viswamaicoe/swecha-gonthuka-asr",
)

# From file (16 kHz mono WAV preferred)
text = pipe("audio.wav")
print(text)  # {"text": "..."}

Responsible and ethical use

  • Intended use: This model is intended for Telugu automatic speech recognition in applications such as transcription, accessibility, and language preservation. Use it in accordance with applicable laws and platform policies.
  • Limitations: Performance may vary with accent, dialect, noise, and recording quality. Do not rely on it as the sole source for critical or legal transcriptions without human review.
  • Misuse: Do not use this model to transcribe private conversations without consent, to create misleading or harmful content, or for any purpose that violates privacy, consent, or local regulations.
  • Bias and fairness: As with any ASR system, outputs can reflect biases present in training data. Evaluate outputs in context and consider human review for high-stakes use cases.

Citation

If you use this model in your work, please cite the Swecha Gonthuka dataset and this model:

@misc{swecha-gonthuka-asr,
  title        = {Swecha Gonthuka ASR: Telugu Speech Recognition},
  author       = {Viswam AI COE},
  year         = {2025},
  howpublished = {\url{https://huggingface.co/viswamaicoe/swecha-gonthuka-asr}},
  note         = {Trained on Swecha Gonthuka dataset; wav2vec2-based Telugu ASR}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
72dd62f

0 моделей