Wav2vec2 Base En 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24.1kのラベルなしデータを用いて英語のみで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、英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）

関連情報

詳細な情報は、公式ウェブサイト こちら を参照してください。

📄 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、英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。