К содержимому
Аудио

parakeet-ctc-en-ft-10ep

ASR для английской речи с заиканием

1 мин чтенияобновлено

Это файнтюн nvidia/parakeet-ctc-0.6b на train-части CDLI Rwandan English non-standard speech. Записи сделаны в Руанде в 2026 году: в основном молодые взрослые мужчины с заиканием, тихая комната, планшет. Проект — исследование недорогого распознавания речи для людей с заиканием в Rwanda Innovation Sprint (CDLI).

Ключевые особенности

  • Базовая модель — nvidia/parakeet-ctc-0.6b; веса лежат в best.nemo.
  • Дообучение только на train-части; dev выбрал чекпойнт, test оценён один раз, extra не использовался.
  • Узкие условия: чтение предложений и описание картинок, не разговорная речь; дети, шум, телефон и code-switching не проверялись.
  • Greedy-декодирование по одной записи; CTC-модели не могут зацикливаться.
  • Не для диагностики речи, идентификации дикторов и клинических/юридических решений.

Пример

Сценарий из карточки: подать тихую запись английской речи человека, который заикается (описание по картинке или чтение предложения), и получить текстовый транскрипт. Для открытой речи лучше ориентироваться на picture-prompt, а не на чтение.

ПодробнееТест (9 дикторов): pooled WER 26,2%, CER 16,9%; dev (6 дикторов): pooled WER 32,7%, CER 22,6%.
Разница меньше ~3 WER между моделями не подтверждается из-за малого числа дикторов.
До 10 эпох, early stopping по dev WER (patience 3), lr 1e-4, bf16-mixed, seed 42.
Транскрипты дословные: повторы при заикании записаны; блоки и протяжения в тексте не видны, модель может писать повторы или нет.
Обсудить Telegram 1 37

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # oluwagbotty/parakeet-ctc-en-ft-10ep
    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 oluwagbotty/parakeet-ctc-en-ft-10ep --local-dir ~/models/parakeet-ctc-en-ft-10ep
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к parakeet-ctc-en-ft-10ep
  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 parakeet-ctc-en-ft-10ep — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face

О модели

oluwagbotty/parakeet-ctc-en-ft-10ep
Автор
oluwagbotty
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

371

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

OmniSinger

OmniSinger