语言: 英文 数据集:

• 普通语音
• 自由语音识别
• how2
• must-c-v1
• must-c-v2
• 欧洲议会
• tedlium 标签:
• 音频
• 自动语音识别 许可证: cc-by-nc-4.0

微调英语自动语音识别的大规模Wav2Vec2模型

微调数据

评估结果

使用方法

from transformers.file_utils import cached_path, hf_bucket_url
from importlib.machinery import SourceFileLoader
from transformers import Wav2Vec2ProcessorWithLM
from IPython.lib.display import Audio
import torchaudio
import torch

# 加载模型和处理器
model_name = "nguyenvulebinh/iwslt-asr-wav2vec-large-4500h"
model = SourceFileLoader("model", cached_path(hf_bucket_url(model_name,filename="model_handling.py"))).load_module().Wav2Vec2ForCTC.from_pretrained(model_name)
processor = Wav2Vec2ProcessorWithLM.from_pretrained(model_name)

# 加载示例音频（16k）
audio, sample_rate = torchaudio.load(cached_path(hf_bucket_url(model_name, filename="tst_2010_sample.wav")))
input_data = processor.feature_extractor(audio[0], sampling_rate=16000, return_tensors='pt')

# 推理
output = model(**input_data)

# 不带语言模型的输出转录
print(processor.tokenizer.decode(output.logits.argmax(dim=-1)[0].detach().cpu().numpy()))
# 当然有团队有更多的tada结构，其中最好的包括刚从幼儿园毕业的学生

# 带语言模型的输出转录
print(processor.decode(output.logits.cpu().detach().numpy()[0], beam_width=100).text)
# 当然有团队有更多的ta da结构，其中最好的包括刚从幼儿园毕业的学生

模型参数许可证

自动语音识别模型参数仅供非商业用途使用，遵循知识共享署名-非商业性使用4.0国际（CC BY-NC 4.0）许可条款。详情请见：https://creativecommons.org/licenses/by-nc/4.0/legalcode

联系方式

nguyenvulebinh@gmail.com