Wav2vec2 Base Et Voxpopuli V2

🚀 Wav2Vec2-base-VoxPopuli-V2

このモデルは、FacebookのWav2Vec2 のベースモデルで、VoxPopuliコーパス の 10.6k のラベルなしデータを用いて、エストニア語 (et) でのみ事前学習されています。

このモデルは、16kHzでサンプリングされた音声オーディオで事前学習されています。モデルを使用する際には、入力音声も16kHzでサンプリングされていることを確認してください。

🚀 クイックスタート

このモデルは音声のみで事前学習されているため、トークナイザーがありません。音声認識にこのモデルを使用するには、トークナイザーを作成し、エストニア語 (et) のラベル付きテキストデータでモデルを微調整する必要があります。モデルの微調整方法について詳しくは、このブログ を参照してください。

✨ 主な機能

• Facebook's Wav2Vec2 のベースモデルを使用。
• VoxPopuliコーパス のデータを用いてエストニア語で事前学習。
• 16kHzでサンプリングされた音声オーディオに最適化。

📚 ドキュメント

論文情報

• 論文: VoxPopuli: A Large-Scale Multilingual Speech Corpus for Representation Learning, Semi-Supervised Learning and Interpretation
• 著者: Changhan Wang, Morgane Riviere, Ann Lee, Anne Wu, Chaitanya Talnikar, Daniel Haziza, Mary Williamson, Juan Pino, Emmanuel Dupoux (Facebook AI)

関連リンク

• 公式ウェブサイト: https://github.com/facebookresearch/voxpopuli/

📄 ライセンス

このモデルは、cc-by-nc-4.0 ライセンスの下で提供されています。

⚠️ 重要提示

このモデルは音声のみで事前学習されているため、トークナイザーがありません。音声認識に使用するには、トークナイザーを作成し、エストニア語のラベル付きテキストデータでモデルを微調整する必要があります。

💡 使用建议

モデルを使用する際には、入力音声が16kHzでサンプリングされていることを確認してください。モデルの微調整方法について詳しくは、このブログ を参照してください。