К содержимому
Другое

FA-EG2 Persian

персидская речь через замороженный энкодер

1 мин чтения

Релиз karim23657 — это адаптация архитектуры EmbeddingGemma 2 Transcribe для распознавания персидской (фарси) речи. Аудиоэнкодер google/embeddinggemma-2 остаётся замороженным, а небольшой 6-слойный transformer-ридер на 19,6 млн параметров учится по CTC сопоставлять 40-мс soft tokens со словами из фиксированной персидской таблицы.

Ключевые особенности

  • Энкодер EmbeddingGemma 2 заморожен; обучается только компактный ридер на 19,6 млн параметров.
  • CTC-ридер выдаёт logits по таблице из 60 тыс. персидских слов; декодирование жадное, опционально — KenLM beam search.
  • На held-out test (341 фраза, 0,43 ч): WER 18,88% без LM и 17,17% с KenLM.
  • Персидская нормализация: NFKC, свёртка арабских вариантов букв, удаление диакритики, ZWNJ и пунктуации.
  • В репозитории есть скрипты кэширования soft tokens, обучения, оценки WER, транскрипции и экспорта.

Пример

python transcribe_fa.py --audio sample_fa.wav --reader-dir checkpoints
python eval_wer_fa.py --model checkpoints/persian_reader.pt --cache cache_fa --splits test --word-table word_table_fa.npy --vocab vocab_fa.txt
ПодробнееОбучение: ~42 ч Common Voice fa (33 452 фразы), тест — 341 фраза (0,43 ч), не виденная при обучении.
Лучший чекпойнт — эпоха 6; дальше ридер переобучается, ранняя остановка сохраняет эти веса.
KenLM даёт до +1,58 п.п. WER, но это ниже заявленной планки ≥2 п.п.; OOV на тесте — 2,3% токенов.
Явных требований к VRAM в карточке нет; обучение идёт на кэшированных soft tokens.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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.

    # karim23657/fa-eg2-persian
    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 karim23657/fa-eg2-persian --local-dir ~/models/fa-eg2-persian
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к fa-eg2-persian
  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

karim23657/fa-eg2-persian
Автор
karim23657
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

RS Gemma TIPO

RS Gemma TIPO
Компьютерное зрение

GEMMA-3D-CODER

GEMMA-3D-CODER