language: zh datasets:

• superb tags:
• 语音
• 音频
• wav2vec2
• 音频分类 license: apache-2.0 widget:
• example_title: VoxCeleb 说话人 id10003 src: https://cdn-media.huggingface.co/speech_samples/VoxCeleb1_00003.wav
• example_title: VoxCeleb 说话人 id10004 src: https://cdn-media.huggingface.co/speech_samples/VoxCeleb_00004.wav

用于说话人识别的 Wav2Vec2-Large 模型

模型描述

这是 S3PRL 的 Wav2Vec2 模型 在 SUPERB 说话人识别任务上的移植版本。

基础模型是 wav2vec2-large-lv60，该模型在 16kHz 采样的语音音频上进行了预训练。使用该模型时，请确保您的语音输入也以 16kHz 采样。

更多信息请参考 SUPERB: 语音处理通用性能基准

任务和数据集描述

说话人识别（SI）将每个话语按其说话人身份进行分类，作为一个多类别分类问题，其中训练和测试使用的说话人集合是相同的。广泛使用的 VoxCeleb1 数据集被采用。

关于原始模型的训练和评估说明，请参考 S3PRL 下游任务 README。

使用示例

您可以通过音频分类管道使用该模型：

from datasets import load_dataset
from transformers import pipeline

dataset = load_dataset("anton-l/superb_demo", "si", split="test")

classifier = pipeline("audio-classification", model="superb/wav2vec2-large-superb-sid")
labels = classifier(dataset[0]["file"], top_k=5)

或者直接使用模型：

import torch
import librosa
from datasets import load_dataset
from transformers import Wav2Vec2ForSequenceClassification, Wav2Vec2FeatureExtractor

def map_to_array(example):
    speech, _ = librosa.load(example["file"], sr=16000, mono=True)
    example["speech"] = speech
    return example

# 加载演示数据集并读取音频文件
dataset = load_dataset("anton-l/superb_demo", "si", split="test")
dataset = dataset.map(map_to_array)

model = Wav2Vec2ForSequenceClassification.from_pretrained("superb/wav2vec2-large-superb-sid")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/wav2vec2-large-superb-sid")

# 计算注意力掩码并在需要时归一化波形
inputs = feature_extractor(dataset[:2]["speech"], sampling_rate=16000, padding=True, return_tensors="pt")

logits = model(**inputs).logits
predicted_ids = torch.argmax(logits, dim=-1)
labels = [model.config.id2label[_id] for _id in predicted_ids.tolist()]

评估结果

评估指标为准确率。

BibTeX 条目和引用信息

@article{yang2021superb,
  title={SUPERB: Speech processing Universal PERformance Benchmark},
  author={Yang, Shu-wen and Chi, Po-Han and Chuang, Yung-Sung and Lai, Cheng-I Jeff and Lakhotia, Kushal and Lin, Yist Y and Liu, Andy T and Shi, Jiatong and Chang, Xuankai and Lin, Guan-Ting and others},
  journal={arXiv preprint arXiv:2105.01051},
  year={2021}
}