language:

• 多语言
• 阿拉伯语
• 阿萨姆语
• 布列塔尼语
• 加泰罗尼亚语
• 哈卡钦语
• 捷克语
• 楚瓦什语
• 威尔士语
• 德语
• 迪维希语
• 希腊语
• 英语
• 世界语
• 西班牙语
• 爱沙尼亚语
• 巴斯克语
• 波斯语
• 芬兰语
• 法语
• 印地语
• 上索布语
• 匈牙利语
• 国际语
• 印尼语
• 日语
• 格鲁吉亚语
• 吉尔吉斯语
• 卢干达语
• 立陶宛语
• 利维亚语
• 蒙古语
• 马耳他语
• 荷兰语
• 奥里亚语
• 波兰语
• 葡萄牙语
• 罗马尼亚语
• 俄语
• 雅库特语
• 斯洛文尼亚语
• 泰米尔语
• 泰语
• 土耳其语
• 鞑靼语
• 乌克兰语
• 越南语 license: Apache-2.0 tags:
• 音频
• 自动语音识别
• HF-ASR排行榜
• 鲁棒语音事件
• 语音
• XLSR微调周 datasets:
• 通用语音 language_bcp47:
• 西弗里西亚语（荷兰）
• 爱尔兰盖尔语
• 旁遮普语（印度）
• 罗曼什语（苏尔塞尔瓦方言）
• 罗曼什语（瓦拉迪尔方言）
• 瑞典语
• 中文（简体）
• 中文（香港）
• 中文（繁体） model-index:
• name: Voidful开发的56语言XLSR Wav2Vec2模型 results:
  • task: type: 自动语音识别 name: 语音识别 dataset: name: 通用语音 type: common_voice metrics:
    • type: 字符错误率(CER) value: 23.21 name: 测试CER

56语言多语种Wav2Vec2-XLSR模型卡片

模型详情

模型描述

• 开发者: voidful
• 共享者（可选）: Hugging Face
• 模型类型: 自动语音识别
• 支持语言（NLP）: 多语言（56种语言，1个多语种ASR模型）
• 许可证: Apache-2.0
• 相关模型:
  • 父模型: wav2vec
• 更多信息资源:
  • GitHub仓库
  • 模型空间

用途

直接使用

本模型可用于自动语音识别任务

下游应用[可选]

需要更多信息

超出范围的使用

不得使用该模型故意制造敌对或疏远人群的环境

偏见、风险与限制

大量研究已探讨语言模型的偏见与公平性问题（参见Sheng等人(2021)和Bender等人(2021)）。模型生成的预测可能包含针对受保护群体、身份特征以及敏感社会职业群体的令人不安的有害刻板印象。

建议

应让用户（包括直接使用者和下游使用者）了解模型的风险、偏见和局限性。需要更多信息以提供进一步建议。

训练详情

训练数据

参见通用语音数据集卡片 基于facebook/wav2vec2-large-xlsr-53在56种语言上使用通用语音进行微调。

训练流程

预处理

需要更多信息

速度、规模与时间

使用本模型时，请确保语音输入采样率为16kHz

评估

测试数据、因素与指标

测试数据

需要更多信息

因素

指标

需要更多信息

结果

模型检验

需要更多信息

环境影响

碳排放量可使用Lacoste等人(2019)提出的机器学习影响计算器进行估算。

• 硬件类型: 需要更多信息
• 使用时长: 需要更多信息
• 云服务商: 需要更多信息
• 计算区域: 需要更多信息
• 碳排放量: 需要更多信息

技术规格[可选]

模型架构与目标

需要更多信息

计算基础设施

需要更多信息

硬件

需要更多信息

软件

需要更多信息

引用

BibTeX:

需要更多信息

APA:

需要更多信息

术语表[可选]

需要更多信息

更多信息[可选]

需要更多信息

模型卡片作者[可选]

voidful与Ezi Ozoani及Hugging Face团队合作

模型卡片联系方式

需要更多信息

快速开始指南

使用以下代码开始使用模型

!pip install torchaudio
!pip install datasets transformers
!pip install asrp
!wget -O lang_ids.pk https://huggingface.co/voidful/wav2vec2-xlsr-multilingual-56/raw/main/lang_ids.pk

import torchaudio
from datasets import load_dataset, load_metric
from transformers import (
    Wav2Vec2ForCTC,
    Wav2Vec2Processor,