К содержимому
Аудио

Nemotron ASR Streaming Farsi Podcast

стриминговая расшифровка разговорного персидского

2 мин чтенияобновлено

Модель от MohammadGholizadeh для ASR на персидском (fa). Это дообучение mehdi-hf/nemotron-asr-streaming-farsi на 365,3 часах подкастной речи; архитектура та же — cache-aware FastConformer + RNN-T на 600M параметров, токенизатор на 1 024 элемента и промпт fa-IR.

Ключевые особенности

  • Заточена под подкасты и разговорную речь: WER 12,3% против 16,4% у базовой модели при look-ahead 1,12 с.
  • Работает потоково чанками или с целыми файлами; доступны 1,12 с и 0,32 с look-ahead.
  • Пишет в разговорном стиле (رو, هستن, می‌خوایم), без пунктуации, числа словами, без латиницы.
  • Интерфейс как у базовой модели: NeMo checkpoint .nemo, промпт fa-IR обязателен.
  • Для формальной/читаемой речи хуже базовой: FLEURS 12,91% против 8,82% WER.

Пример

from huggingface_hub import hf_hub_download
from nemo.collections.asr.models import ASRModel

path = hf_hub_download("MohammadGholizadeh/nemotron-asr-streaming-farsi-podcast",
                       "nemotron-asr-streaming-farsi-podcast.nemo")
model = ASRModel.restore_from(path).eval()
model.encoder.set_default_att_context_size([56, 13])  # 1.12 s; [56, 3] для 0.32 s
model.set_inference_prompt("fa-IR")
ПодробнееПотоковый WER на подкастах: 12,31% при 1,12 с look-ahead и 13,54% при 0,32 с; у базовой — 16,44% и 18,08%.
Обучение: 365,3 ч, 5 000 шагов, LR 3e-5, 1× NVIDIA GH200 (96 GB), 2 ч 46 мин. В репозитории только NeMo checkpoint, без весов Transformers.
Ограничения: тест — 5 эпизодов, возможны пропуски окончаний и циклы повторения на длинных формальных фразах; на новых ведущих выигрыш может быть меньше.
Обсудить Telegram 1 35

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 2.3 GB · готовые файлы3.1 GB
  • BF16веса 1.2 GB1.8 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.1 GB
  • 4-bitвеса 0.3 GB0.9 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 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.

    # MohammadGholizadeh/nemotron-asr-streaming-farsi-podcast
    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 MohammadGholizadeh/nemotron-asr-streaming-farsi-podcast --local-dir ~/models/nemotron-asr-streaming-farsi-podcast
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к nemotron-asr-streaming-farsi-podcast
  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. nemotron-3.5-asr-streaming-0.6bоснова семьи
  2. nemotron-asr-streaming-farsi
  3. nemotron-asr-streaming-farsi-podcast

Новые посты про версии nemotron-3.5-asr-streaming-0.6b — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

MohammadGholizadeh/nemotron-asr-streaming-farsi-podcast
Автор
MohammadGholizadeh
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

351

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии