🚀 语音转录模型

该模型可用于将音频文件转录为文本，无需额外的语言模型支持，能直接处理音频输入并输出对应的文字内容。

🚀 快速开始

该模型可以直接使用（无需语言模型），使用方式如下：

💻 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-malayalam-stt")
    model = Wav2Vec2ForCTC.from_pretrained("addy88/wav2vec2-malayalam-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)