Wav2vec2 Base Es 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21.4kのラベルなしデータを用いて、スペイン語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

このモデルはオーディオのみで事前学習されているため、トークナイザーを持っていません。このモデルを音声認識に使用するには、トークナイザーを作成し、スペイン語のラベル付きテキストデータでモデルをファインチューニングする必要があります。モデルのファインチューニング方法について詳しくは、このブログを参照してください。

📚 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所属）

詳細情報

詳細情報については、公式ウェブサイトを参照してください。こちら

📄 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。

⚠️ 重要な注意事項

このモデルはオーディオのみで事前学習されているため、トークナイザーを持っていません。音声認識に使用するには、トークナイザーを作成し、スペイン語のラベル付きテキストデータでモデルをファインチューニングする必要があります。

💡 使用上のヒント

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。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。