语言:

• 布列塔尼语 许可证: Apache-2.0 标签:
• 自动语音识别
• Mozilla基金会/common_voice_8_0
• 训练生成
• 布列塔尼语
• 鲁棒语音事件
• 对话模型
• hf-asr排行榜 数据集:
• Mozilla基金会/common_voice_8_0 模型索引:
• 名称: XLS-R-300M - 布列塔尼语 结果:
  • 任务: 名称: 自动语音识别 类型: 自动语音识别 数据集: 名称: Common Voice 8 类型: Mozilla基金会/common_voice_8_0 参数: br 指标:
    • 名称: 测试WER 类型: wer 值: 54.855
    • 名称: 测试CER 类型: cer 值: 17.865

XLS-R-300M - 布列塔尼语

此模型是基于facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - BR数据集上微调的版本。 它在评估集上取得了以下结果:

• 损失: 不适用
• 词错误率(WER): 不适用

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练期间使用了以下超参数:

训练结果

不适用

框架版本

• Transformers 4.16.0.dev0
• PyTorch 1.10.0+cu102
• Datasets 1.17.1.dev0
• Tokenizers 0.10.3

评估命令

1. 在mozilla-foundation/common_voice_8_0数据集上评估test分割

python eval.py --model_id infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8 --dataset mozilla-foundation/common_voice_8_0 --config br --split test

2. 在speech-recognition-community-v2/dev_data上评估

python eval.py --model_id infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8 --dataset speech-recognition-community-v2/dev_data --config br --split validation --chunk_length_s 5.0 --stride_length_s 1.0

结合语言模型的推理

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F


model_id = "infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8"

sample_iter = iter(load_dataset("mozilla-foundation/common_voice_8_0", "br", split="test", streaming=True, use_auth_token=True))

sample = next(sample_iter)
resampled_audio = F.resample(torch.tensor(sample["audio"]["array"]), 48_000, 16_000).numpy()

model = AutoModelForCTC.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)

input_values = processor(resampled_audio, return_tensors="pt").input_values

with torch.no_grad():
    logits = model(input_values).logits

transcription = processor.batch_decode(logits.numpy()).text

在Common Voice 7 "test"上的评估结果(WER):

不适用