Wav2vec2 Sanskrit Stt

🚀 语音转录模型

该模型可直接（无需语言模型）用于语音转录，它能将音频文件转换为文本，为语音识别任务提供了便利。

🚀 快速开始

该模型可以直接（无需语言模型）按如下方式使用：

💻 使用示例

基础用法

import soundfile as sf
import torch
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
import argparse

def parse_transcription(wav_file):
    # load pretrained model
    processor = Wav2Vec2Processor.from_pretrained("addy88/wav2vec2-sanskrit-stt")
    model = Wav2Vec2ForCTC.from_pretrained("addy88/wav2vec2-sanskrit-stt")

    # load audio
    audio_input, sample_rate = sf.read(wav_file)

    # pad input values and return pt tensor
    input_values = processor(audio_input, sampling_rate=sample_rate, return_tensors="pt").input_values

    # INFERENCE
    # retrieve logits & take argmax
    logits = model(input_values).logits
    predicted_ids = torch.argmax(logits, dim=-1)

    # transcribe
    transcription = processor.decode(predicted_ids[0], skip_special_tokens=True)
    print(transcription)