К содержимому
Аудио

sw_openslr25_asr_transformer

речь суахили в текст

1 мин чтенияобновлено

Это ESPnet2 ASR-модель для автоматического распознавания суахили (sw), обученная Guillaume Atencia по рецепту sw_openslr25. В основе — Transformer: энкодер на 6 блоков, декодер на 3 блока, BPE-токенизатор на 300 единиц и CTC с весом 0.3. В карточке есть конфиг обучения и результаты на OpenSLR25.

Ключевые особенности

  • Поддерживается только суахили — код языка sw.
  • Архитектура ESPnet2: Transformer-энкодер на 6 блоков и декодер на 3 блока.
  • BPE-токенизатор на 300 единиц, обученный в режиме unigram.
  • На тесте sw_test: WER 31.5%, CER 10.8%.
  • Запуск через готовый рецепт sw_openslr25 и скачивание чекпойнта.

Пример запуска

cd espnet
git checkout cc292ab40f5f1f288276a99bdcbefc207a56592d
pip install -e .
cd egs2/sw_openslr25/asr1
./run.sh --skip_data_prep false --skip_train true --download_model Bensolobo/sw_openslr25_asr_transformer
ПодробнееНа sw_test: WER 31.5%, CER 10.8%, TER 21.5%.
На sw_dev: WER 27.7%, CER 9.8%.
Обучение: 1 GPU, до 80 эпох, Adam и warmup 2500 шагов; данные о VRAM и числе параметров в карточке отсутствуют.
Ограничения: только суахили; для запуска нужны ESPnet и указанный commit.
Обсудить Telegram 0 12

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 · BF16 — от RTX 2060

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.

    # Bensolobo/sw_openslr25_asr_transformer
    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 Bensolobo/sw_openslr25_asr_transformer --local-dir ~/models/sw_openslr25_asr_transformer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sw_openslr25_asr_transformer
  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

Новые посты про версии sw_openslr25_asr_transformer — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Bensolobo/sw_openslr25_asr_transformer
Автор
Bensolobo
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии