Wav2vec2 Large Xlsr Coraa Portuguese

🚀 Wav2vec 2.0 トレーニング済み CORAA ポルトガル語データセット

これは、CORAA データセットを使用してポルトガル語用にファインチューニングされた Wav2vec モデルのデモンストレーションです。

🚀 クイックスタート

このモデルを使用するには、以下の手順に従ってください。

基本的な使用法

from transformers import AutoTokenizer, Wav2Vec2ForCTC
  
tokenizer = AutoTokenizer.from_pretrained("Edresson/wav2vec2-large-xlsr-coraa-portuguese")

model = Wav2Vec2ForCTC.from_pretrained("Edresson/wav2vec2-large-xlsr-coraa-portuguese")

高度な使用法

Common Voice データセットを使用したテスト例です。

dataset = load_dataset("common_voice", "pt", split="test", data_dir="./cv-corpus-6.1-2020-12-11")

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"]))

📚 ドキュメント

結果について

結果については、CORAA の論文を参照してください。

モデル情報

モデルの結果

• モデル名: Edresson Casanova XLSR Wav2Vec2 Large 53 Portuguese
  • タスク: 音声認識 (自動音声認識)
  • データセット:
    • CORAA:
      • WER: 25.26
    • Common Voice 7:
      • WER: 20.08

📄 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。