语言: 或 指标:

• 词错误率(WER)
• 字符错误率(CER) 标签:
• 音频
• 自动语音识别
• 语音
• wav2vec2
• ASR 许可证: Apache-2.0

IndicWav2Vec-印地语

这是一个基于Wav2Vec2架构的ASR模型，使用fairseq框架训练，并迁移至Hugging Face平台。
关于数据集、训练配置及转换至HuggingFace格式的更多细节，请参阅IndicWav2Vec代码库。

推理运行脚本

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F

设备ID = "cuda" if torch.cuda.is_available() else "cpu"
模型ID = "ai4bharat/indicwav2vec-odia"

样本 = next(iter(load_dataset("common_voice", "or", split="test", streaming=True)))
重采样音频 = F.resample(torch.tensor(样本["audio"]["array"]), 48000, 16000).numpy()

模型 = AutoModelForCTC.from_pretrained(模型ID).to(设备ID)
处理器 = AutoProcessor.from_pretrained(模型ID)

输入值 = 处理器(重采样音频, return_tensors="pt").input_values

with torch.no_grad():
    逻辑值 = 模型(输入值.to(设备ID)).logits.cpu()
    
预测ID = torch.argmax(逻辑值, dim=-1)
输出字符串 = 处理器.batch_decode(预测ID)[0]
print(f"贪婪解码结果: {输出字符串}")

关于AI4Bharat

• 官网: https://ai4bharat.org/
• 代码库: https://github.com/AI4Bharat
• HuggingFace主页: https://huggingface.co/ai4bharat