К содержимому
Аудио

Arabic-Asr-cohere-v3

арабский ASR с упором на диалекты

2 мин чтенияобновлено

Файнтюн CohereLabs/cohere-transcribe-arabic-07-2026 для автоматического распознавания арабской речи. Продолжает Arabic-Asr-cohere-v2 и добавляет магрибскую и йеменскую речь; архитектура (~2B) и API декодирования не изменились. Модель поддерживается в transformers, лицензия — CC BY-NC 4.0 (некоммерческая).

Ключевые особенности

  • Обучена на ~184,3 ч данных, включая MASC, MGB-2, SADA, Common Voice 18, FLEURS и Casablanca validation.
  • Понимает MSA и диалекты: египетский, саудовский/заливный, теперь магрибский и йеменский.
  • Средний WER по 6 наборам — 21,71% против 25,97% у базовой модели.
  • Casablanca WER снизился с 46,56% до 42,49%, SADA — с 30,38% до 28,75%.
  • Есть быстрый запуск в transformers, поддержка длинного аудио и интеграция с vLLM.
  • Нет автоопределения языка, таймкодов и диаризации; тишину может превращать в галлюцинации.

Пример

from transformers import AutoProcessor, CohereAsrForConditionalGeneration
from transformers.audio_utils import load_audio
repo = 'Abdelrahman-M/Arabic-Asr-cohere-v3'
processor = AutoProcessor.from_pretrained(repo)
model = CohereAsrForConditionalGeneration.from_pretrained(repo, device_map='auto')
audio = load_audio('your_audio.wav', sampling_rate=16000)
inputs = processor(audio, sampling_rate=16000, return_tensors='pt', language='ar')
print(processor.decode(model.generate(**inputs, max_new_tokens=256), skip_special_tokens=True))
ПодробнееСредний WER по 6 наборам: 21,71% (база — 25,97%, v2 — 22,58%).
Casablanca: WER 42,49%, CER 14,94%; SADA: WER 28,75%.
Обучение: ~184,3 ч; тестовые сплиты SADA, Common Voice, MGB-2, MASC и Casablanca не использовались.
Ограничения: один язык без автоопределения, нет таймкодов/диаризации, магрибские диалекты всё ещё сложные (WER по странам: Марокко ~37, Алжир ~53, Мавритания ~70).
Лицензия CC BY-NC 4.0 — только некоммерческое использование.
Обсудить Telegram 0 19

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 7.7 GB · готовые файлы9.0 GB
  • BF16веса 3.8 GB4.7 GB
  • FP8 / INT8рекомендуемвеса 1.9 GB2.6 GB
  • 4-bitвеса 1.1 GB1.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Abdelrahman-M/Arabic-Asr-cohere-v3
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Abdelrahman-M/Arabic-Asr-cohere-v3 --local-dir ~/models/Arabic-Asr-cohere-v3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Arabic-Asr-cohere-v3
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

  1. cohere-transcribe-03-2026основа семьи
  2. cohere-transcribe-arabic-07-2026
  3. Arabic-Asr-cohere-v3

Новые посты про версии cohere-transcribe-03-2026 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

Abdelrahman-M/Arabic-Asr-cohere-v3
Автор
Abdelrahman-M
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии