W2v Bert Uk V2.1

🚀 w2v-bert-uk v2.1

このモデルは音声自動認識タスクに特化したモデルで、Ukrainian言語に対応しています。Facebookのw2v-bert-2.0をベースに構築され、高い精度で音声を認識することができます。

🚀 クイックスタート

このモデルの概要や使い方、評価指標などの情報をご紹介します。

✨ 主な機能

• 音声自動認識：Ukrainian言語の音声を高精度で認識します。
• コミュニティサポート：DiscordやTelegramでのコミュニティを通じて、モデルに関する情報やサポートを得ることができます。

📦 インストール

以下のコマンドを使用して必要なライブラリをインストールします。

# pip install -U torch soundfile transformers

💻 使用例

基本的な使用法

# pip install -U torch soundfile transformers

import torch
import soundfile as sf
from transformers import AutoModelForCTC, Wav2Vec2BertProcessor

# Config
model_name = 'Yehor/w2v-bert-uk-v2.1'
device = 'cuda:0' # or cpu
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
sampling_rate = 16_000

# Load the model
asr_model = AutoModelForCTC.from_pretrained(model_name, torch_dtype=torch_dtype).to(device)
processor = Wav2Vec2BertProcessor.from_pretrained(model_name)

paths = [
  'sample1.wav',
]

# Extract audio
audio_inputs = []
for path in paths:
  audio_input, _ = sf.read(path)
  audio_inputs.append(audio_input)

# Transcribe the audio
inputs = processor(audio_inputs, sampling_rate=sampling_rate).input_features
features = torch.tensor(inputs).half().to(device)

with torch.inference_mode():
  logits = asr_model(features).logits

predicted_ids = torch.argmax(logits, dim=-1)
predictions = processor.batch_decode(predicted_ids)

# Log results
print('Predictions:')
print(predictions)

📚 ドキュメント

コミュニティ

• Discord: https://bit.ly/discord-uds
• 音声認識: https://t.me/speech_recognition_uk
• 音声合成: https://t.me/speech_synthesis_uk

他のUkrainianモデルを見る: https://github.com/egorsmkv/speech-recognition-uk

概要

このモデルは https://huggingface.co/Yehor/w2v-bert-uk の次期モデルです。

評価指標

• AM (F16):
  • WER: 0.1734 メトリック, 17.34%
  • CER: 0.0333 メトリック, 3.33%
  • 単語の正解率: 82.66%
  • 文字の正解率: 96.67%

デモ

https://huggingface.co/spaces/Yehor/w2v-bert-uk-v2.1-demo のスペースを使用して、モデルがあなたの音声でどのように動作するかを確認できます。

モデル情報

モデルインデックス

• 名前: w2v-bert-uk-v2.1
  • 結果:
    • タスク:
      • 名前: 自動音声認識
      • タイプ: 自動音声認識
    • データセット:
      • 名前: common_voice_10_0
      • タイプ: common_voice_10_0
      • 設定: uk
      • 分割: test
      • 引数: uk
    • 評価指標:
      • 名前: WER
      • タイプ: wer
      • 値: 17.34
      • 名前: CER
      • タイプ: cer
      • 値: 3.33

📄 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。

🔧 引用

@misc {smoliakov_2025,
	author       = { {Smoliakov} },
	title        = { w2v-bert-uk-v2.1 (Revision 094c59d) },
	year         = 2025,
	url          = { https://huggingface.co/Yehor/w2v-bert-uk-v2.1 },
	doi          = { 10.57967/hf/4554 },
	publisher    = { Hugging Face }
}