使用方法

该模型可直接使用（无需语言模型），操作步骤如下：

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

def parse_transcription(wav_file):  
    # 加载预训练模型  
    processor = Wav2Vec2Processor.from_pretrained("addy88/wav2vec2-odia-stt")  
    model = Wav2Vec2ForCTC.from_pretrained("addy88/wav2vec2-odia-stt")  
    # 加载音频  
    audio_input, sample_rate = sf.read(wav_file)  
    # 填充输入值并返回PyTorch张量  
    input_values = processor(audio_input, sampling_rate=sample_rate, return_tensors="pt").input_values  
    # 推理过程  
    # 获取逻辑值并取最大索引  
    logits = model(input_values).logits  
    predicted_ids = torch.argmax(logits, dim=-1)  
    # 转写文本  
    transcription = processor.decode(predicted_ids[0], skip_special_tokens=True)  
    print(transcription)