К содержимому
Аудио

gemma-stt-hindi

компактная ASR для хинди со скоростью 140× реального времени

2 мин чтения

Небольшая модель распознавания речи для хинди от автора bringagi: аудиоэнкодер EmbeddingGemma 2 (12-слойный conformer, 305M параметров), у которого дообучены только верхние 2 слоя, плюс 6-слойный CTC-«ридер» (d=768), выдающий символы деванагари. Обучена дистилляцией двух больших моделей хинди-ASR на бесплатных Kaggle T4. Авторегрессивного декодера нет — весь клип транскрибируется за один forward pass.

Ключевые особенности

  • ~40 мс на клип 5.6 с на RTX 3050 Laptop (4 ГБ), это примерно 140× быстрее реального времени; 1.2 ГБ VRAM в fp16
  • Опциональный KenLM beam search (3-gram) добавляет ~10 мс CPU на клип и снижает число ошибок в словах примерно на 25%
  • 5.4% CER на Lahaja с LM — на уровне Qwen3-ASR-1.7B
  • Только хинди: на выходе деванагари без пунктуации и цифр, числа выводятся словами
  • Один forward pass вместо авторегрессии — быстрый инференс даже на слабом железе

Пример

from huggingface_hub import snapshot_download
import sys; sys.path.insert(0, snapshot_download("bringagi/gemma-stt-hindi"))
from gemma_stt import GemmaSTT

stt = GemmaSTT.from_pretrained("bringagi/gemma-stt-hindi")
print(stt.transcribe("clip.wav"))          # greedy CTC
print(stt.transcribe("clip.wav", lm=True)) # + 3-gram LM
ПодробнееБенчмарки: 5.4% CER / 15.9% WER на Lahaja-100 с LM (greedy — 6.4% / 21.3%), 4.87% CER на Kathbath-valid.
Обучение: ~1750 ч транскриптов от учителей, 605 минут на одной Kaggle T4 в fp16.
Ограничения: слабее на разговорной речи с ноутбучного микрофона (25% CER), не тестировалась на шумном, дальнем и телефонном аудио.
Лицензия: Indic Open Model License v1.0 — коммерческое использование и self-hosting разрешены, для публичного API нужно письменное одобрение Bodhan AI.
Обсудить Telegram 0 26

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.6 GB · готовые файлы1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 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 · F16 — 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.

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

Дообучение модели

google/embeddinggemma-2

Новые посты про версии embeddinggemma-2 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

bringagi/gemma-stt-hindi
Автор
bringagi
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии