Wav2vec2 Base Cs 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18.7kの未ラベルデータを用いて、チェコ語 (cs) 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、チェコ語 (cs) 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の詳細な説明は、このブログを参照してください。

✨ 主な機能

• チェコ語 (cs) で事前学習された音声認識モデルです。
• 16kHzでサンプリングされた音声オーディオに最適化されています。

📚 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、チェコ語 (cs) 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。