AudioLLM vi_zac_graft_aug_corr
ASR для вьетнамского с коррекцией гипотез
1 мин чтенияобновлено
Это ASR-модель для вьетнамского языка из проекта AudioLLM на базе lfm25_230m_lfm3envi. Опубликован финальный бэкап запуска: LoRA-адаптер, проектор conv и чекпоинты для распознавания речи и коррекции готовых гипотез.
Ключевые особенности
- LoRA с r=64 и alpha=128, проектор conv.
- Режим коррекции ASR-гипотез через флаг
--hypothesis. - Обучение: 24 000 шагов, 2 эпохи, батч 16 с grad accumulation 2.
- Есть portable bundle с кодом инференса и requirements.
- Язык только вьетнамский; тренировочное аудио в репозиторий не входит.
- Для CPU-инференса предусмотрен флаг
--device cpu.
Пример
pip install -r requirements.txt
python scripts/hf_backup.py pull tungnguyenlam/audiollm-20261108-093006_vi_zac_graft_aug_corr 20261108-093006_vi_zac_graft_aug_corr --output downloads
python scripts/transcribe.py --run downloads/20261108-093006_vi_zac_graft_aug_corr --audio speech.wavПодробнее
Лучший val WER — 39.2% на шаге 12k.Тест: zac2026/dev — 43.64%, с коррекцией — 24.37%; holdout — 57.37% и 34.96% с коррекцией.
В комплекте LoRA, проектор, чекпоинты и состояния оптимизатора; тренировочного аудио нет.
Язык — только вьетнамский, для CPU есть флаг
--device cpu.









Комментарии