ASR laboratoriya

Istalgan HuggingFace ASR modelini bitta audioda sinab ko'ring. Etalon matn bersangiz WER/CER hisoblanadi — ham xom, ham loyiha normalizatorlari qo'llangandan keyin. Model mahalliy GPU sidecar konteynerida ishlaydi.

ASR servisi

tekshirilmoqda…

Model

HuggingFace repo ID

Revision (branch / tag / commit)

GigaAM variantlari branch sifatida: ctc, large_ctc.

Adapter

Til (normalizatsiya uchun)

trust_remote_code — repo o'z Python kodini olib keladi va sidecar ichida ishga tushiradi. GigaAM uchun majburiy. Faqat ishonchli repolarga yoqing.

Audio

Fayl yuklash

Yoki mavjud segment yo'li (repo ildizidan, web_data/… ichida):

Uzun audio (25 soniyadan ortiq) — VAD segmentatsiya bilan. pyannote o'rnatilgan bo'lishi kerak. Etalon matn (ixtiyoriy — WER uchun)

Natija

★ — tinish belgilarisiz taqqoslash. Turli engine’larni solishtirish uchun asosiy ko‘rsatkich shu: loyiha normalizatori tinish belgilarini saqlaydi, GigaAM esa ularni umuman chiqarmaydi — shuning uchun «norm.» WER uslub farqini xato deb ko‘rsatadi.

Transkript

Normalizatsiyadan keyin (etalon / model)

Qaysi tillar uchun mos?

Belgilangan til pipeline’da tanlanganda bu model avtomatik tavsiya bo‘ladi. Masalan turkman uchun yaxshiroq model topsangiz — shu yerda tk ni belgilang.

O'zbek (uz) Qozoq (kk) Turkman (tk) Qirg'iz (ky) Tojik (tg) Fors (fa) Dari (fa-AF) Pushtu (ps) Urdu (ur) Rus (ru) Ingliz (en)

Model pipeline sahifasidagi «Transkripsiya modeli» ro‘yxatiga qo‘shiladi.

⚙️ ASR servisi

🧩 Model

🎧 Audio

📄 Natija

ASR servisi

Model

Audio

Natija