К содержимому
Аудио

Turkmen MMS ASR

независимый чекпоинт для распознавания туркменской речи

2 мин чтенияобновлено

Модель предназначена для автоматического распознавания туркменской речи (ASR) и перевода аудиозаписей на туркменском языке в текст на латинице. Она основана на архитектуре Meta facebook/mms-1b-all и представляет собой автономное решение с интегрированным адаптером и фиксированным словарём, поэтому не требует загрузки дополнительных языковых модулей. По сравнению с оригинальным адаптером MMS, данный файнтюн демонстрирует значительно меньший уровень ошибок на тестовых датасетах. Релиз будет полезен разработчикам и исследователям, работающим с региональными языками и голосовыми интерфейсами для туркменского языка.

Ключевые особенности

  • Автономный дизайн с зафиксированным адаптером и словарем без необходимости переключения языков.
  • Снижение частоты ошибок распознавания (strict WER) до 24.58% на тестовом наборе данных.
  • Совместимость со стандартными библиотеками Hugging Face Transformers и PyTorch.
  • Некоммерческий релиз под лицензией CC BY-NC 4.0.

Что можно сделать

  • Распознавать аудиозаписи речи на туркменском языке с помощью скриптов на Python.
  • Обрабатывать длинные аудиофайлы с помощью пакетных скриптов в скользящих окнах.
  • Интегрировать модель в локальные конвейеры обработки голосовых данных и расшифровки архивов.

Пример

import soundfile as sf
import torch
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

repo = "Pirnazar/mms-1b-turkmen"
device = "cuda" if torch.cuda.is_available() else "cpu"
processor = Wav2Vec2Processor.from_pretrained(repo)
model = Wav2Vec2ForCTC.from_pretrained(repo).to(device).eval()

audio, sr = sf.read("speech.wav", dtype="float32")
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")
inputs = {name: value.to(device) for name, value in inputs.items()}

with torch.inference_mode():
    logits = model(**inputs).logits
text = processor.batch_decode(logits.argmax(-1))[0].strip()
print(text)
ПодробнееБенчмарки: strict WER — 24.58%, strict CER — 4.11%.
Параметры: около 965M общих параметров, 2.28M обучаемых параметров адаптера/головы.
Ограничения: только туркменский язык (латиница), отсутствие поддержки перевода и диаризации.
Обсудить Telegram 0 31

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 1.8 GB · готовые файлы2.5 GB
  • FP8 / INT8рекомендуемвеса 0.9 GB1.5 GB
  • 4-bitвеса 0.5 GB1.1 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.

    # Pirnazar/mms-1b-turkmen
    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 Pirnazar/mms-1b-turkmen --local-dir ~/models/mms-1b-turkmen
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mms-1b-turkmen
  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

facebook/mms-1b-all

Новые посты про версии mms-1b-all — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

Pirnazar/mms-1b-turkmen
Автор
Pirnazar
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

310

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

YourTTS

YourTTS