语言: [马拉地语, 印地语] 数据集:

• OpenSLR
• INTERSPEECH 2021 ASR 评估指标:
• 词错误率(WER) 标签:
• 音频
• 自动语音识别
• 语音
• XLSR微调周
• 印地语
• 马拉地语 许可证: Apache-2.0 模型索引:
• 名称: Tanmay Laud训练的XLSR Wav2Vec2 Large 53印地语-马拉地语模型 结果:
  • 任务: 名称: 语音识别 类型: 自动语音识别 数据集: 名称: OpenSLR印地语, OpenSLR马拉地语 类型: openslr, interspeech_2021_asr 指标:
    • 名称: 测试集词错误率 类型: wer 值: 23.736641

Wav2Vec2-Large-XLSR-53-印地语-马拉地语

基于facebook/wav2vec2-large-xlsr-53模型，使用OpenSLR SLR64数据集对印地语和马拉地语进行微调。使用此模型时，请确保语音输入采样率为16kHz。

安装

pip install git+https://github.com/huggingface/transformers.git datasets librosa torch==1.7.0 torchaudio==0.7.0 jiwer

评估数据集准备:

wget https://www.openslr.org/resources/103/Marathi_test.zip -P data/marathi
unzip -P "K3[2?do9" data/marathi/Marathi_test.zip -d data/marathi/.
tar -xzf data/marathi/Marathi_test.tar.gz -C data/marathi/.
wget https://www.openslr.org/resources/103/Hindi_test.zip -P data/hindi
unzip -P "w9I2{3B*" data/hindi/Hindi_test.zip -d data/hindi/.
tar -xzf data/hindi/Hindi_test.tar.gz -C data/hindi/.
wget -O test.csv 'https://filebin.net/snrz6bt13usv8w2e/test_large.csv?t=ps3n99ho'
# 如果下载失败，请在浏览器中访问: https://filebin.net/snrz6bt13usv8w2e/test_large.csv

使用方式

假设您有一个包含马拉地语文本和音频路径的数据集，可以直接使用该模型（无需语言模型）如下：

import torch
import torchaudio
import librosa
from datasets import load_dataset
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

# 示例代码展示如何加载模型并进行预测
# 完整实现请参考原始文档

评估代码

OpenSLR数据集评估(印地语+马拉地语)

# 评估脚本展示如何处理测试数据并计算词错误率
# 详细实现请查看原始文档

Common Voice印地语评估

# 针对Common Voice印地语测试集的评估流程
# 包含数据预处理和WER计算

评估笔记本链接: Colab笔记本

词错误率结果:

• OpenSLR印地语+马拉地语测试集: 23.736641%
• Common Voice印地语测试集: 44.083527%