balbal-v2-manas

balbal-v2-manas — большая версия ASR-модели от erayyapagci для турецкого и английского языков. Это FastConformer-CTC на 313,3 млн параметров с looped refiner и product-key акустической памятью, декодирование — 6-gram token KenLM. Обучена примерно на 7 000 часах аудио и рассчитана на CPU.

✨ Ключевые особенности

• 🌍 Поддерживает турецкий и английский; обучена примерно на 7 000 часах аудио.
• 💻 Работает на CPU: 123× быстрее реального времени на 8 потоках.
• 🔥 FastConformer-CTC, 18 слоёв, плюс looped refiner с 3 проходами и product-key акустическая память.
• ✅ Выдаёт текст с регистром, пунктуацией и таймстемпами по словам; числа — цифрами через ITN.
• ⭐ Есть mem-efficient вариант: память сокращена с 1 000 000 до 250 000 слотов, но только для KenLM-декодера.

💻 Пример

import balbal
model = balbal.load("balbal-v2-manas")
print(model.transcribe("speech.wav")["text"])

Подробнее

Mu-Bench Turkish: 8,20% WER / 14,89% sigWER (официальный harness, GPT-4.1 judge); FLEURS Turkish: 4,06% WER; English Open ASR Leaderboard: 8,67% WER в среднем.
313,3 млн параметров, из них 192,0 млн — таблица памяти; PyTorch-веса 1,2 ГБ, быстрый ONNX-граф 353 МБ; Linux x86-64, Python 3.11/3.12.
Ограничения: на очень коротких клипах больше ошибок и возможно смешение турецкого с английским; длинное аудио режется на 30-секундные чанки, диаризации нет.
Лицензия balbal Community License 1.1: бесплатно для исследований и некоммерческого использования; малому бизнесу — при условиях и с «Powered by balbal».