许可证: mit
语言:

• 俄语
  任务标签: 自动语音识别
  库名称: transformers
  标签:
• asr
• gigaam
• stt
• ru
• ctc
• 音频
• 语音

GigaAM-v2-CTC 🤗 Hugging Face transformers

• 原始Git仓库 https://github.com/salute-developers/GigaAM

俄语ASR模型GigaAM-v2-CTC。

模型信息

这是带有transformers库接口的原始GigaAM-v2-CTC模型。

文件gigaam_transformers.py包含模型、特征提取器和分词器类，以及常用的transformers方法。模型可以通过transformers的auto类进行初始化（参见下面的示例）。

安装

我的库版本：

• torch 2.5.1
• torchaudio 2.5.1
• transformers 4.49.0
• accelerate 1.5.2

使用方法

使用方法与其他transformers ASR模型相同。

from transformers import AutoModel, AutoProcessor  
import torch  
import torchaudio  

# 加载音频  
wav, sr = torchaudio.load("audio.wav")  
# 如有必要，重新采样  
wav = torchaudio.functional.resample(wav, sr, 16000)  

# 加载模型和处理器  
processor = AutoProcessor.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)  
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)  
model.eval()  

input_features = processor(wav[0], sampling_rate=16000, return_tensors="pt")  

# 预测  
with torch.no_grad():  
    logits = model(**input_features).logits  
# 贪心解码  
greedy_ids = logits.argmax(dim=-1)  
# 将token id解码为文本  
transcription = processor.batch_decode(greedy_ids)[0]  

微调

微调Jupyter笔记本