Wav2vec2 Large 100k Voxpopuli Ft Common Voice Plus TTS Dataset Plus Data Augmentation Russian

🚀 Wav2vec2 Large 100k Voxpopuli を Common Voice 7.0、MAILABS とデータ拡張を用いてロシア語でファインチューニング

このモデルは、Wav2vec2 Large 100k Voxpopuli を、Common Voice 7.0、M - AILABS と、TTS と音声変換に基づくデータ拡張手法を用いて、ロシア語でファインチューニングしたものです。

🚀 クイックスタート

このセクションでは、このモデルを使用するための基本的な手順を説明します。

✨ 主な機能

• データセット：Common Voice を使用。
• 評価指標：WER（Word Error Rate）を使用。
• タグ：音声、音声認識、wav2vec2、ポルトガル語、ロシア語音声コーパス、自動音声認識、PyTorch など。
• ライセンス：Apache - 2.0 ライセンス。

モデル情報

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコードを使用して、モデルを読み込むことができます。

from transformers import AutoTokenizer, Wav2Vec2ForCTC
  
tokenizer = AutoTokenizer.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-russian")

model = Wav2Vec2ForCTC.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-russian")

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, Wav2Vec2ForCTC
  
tokenizer = AutoTokenizer.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-russian")

model = Wav2Vec2ForCTC.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-russian")

高度な使用法

Common Voice データセットを使用したテストの例です。

dataset = load_dataset("common_voice", "ru", split="test", data_dir="./cv-corpus-7.0-2021-07-21")

resampler = torchaudio.transforms.Resample(orig_freq=48_000, new_freq=16_000)

def map_to_array(batch):
    speech, _ = torchaudio.load(batch["path"])
    batch["speech"] = resampler.forward(speech.squeeze(0)).numpy()
    batch["sampling_rate"] = resampler.new_freq
    batch["sentence"] = re.sub(chars_to_ignore_regex, '', batch["sentence"]).lower().replace("’", "'")
    return batch

ds = dataset.map(map_to_array)
result = ds.map(map_to_pred, batched=True, batch_size=1, remove_columns=list(ds.features.keys()))
print(wer.compute(predictions=result["predicted"], references=result["target"]))

📚 詳細ドキュメント

結果については、論文を参照してください。

📄 ライセンス

このモデルは Apache - 2.0 ライセンスの下で提供されています。