Wav2vec2 Base 960h

🚀 音声認識モデル（wav2vec2-base-960h for Transformers.js）

このプロジェクトは、Facebookのwav2vec2-base-960hモデルをONNX形式に変換し、Transformers.jsと互換性を持たせたものです。音声認識をWeb環境で簡単に実行できるようになります。

🚀 クイックスタート

📦 インストール

まだインストールしていない場合は、Transformers.js JavaScriptライブラリをNPMからインストールできます。以下のコマンドを使用してください。

npm i @xenova/transformers

💻 使用例

基本的な使用法

インストールが完了したら、以下のコードを使用して音声認識を行うことができます。

import { pipeline } from '@xenova/transformers';

// 自動音声認識パイプラインを作成
const transcriber = await pipeline('automatic-speech-recognition', 'Xenova/wav2vec2-base-960h');

// 音声を文字起こし
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/jfk.wav';
const output = await transcriber(url);
// { text: 'AND SO MY FELLOW AMERICAN AND NOT WHAT YOUR COUNTRY CAN DO FOR YOU AND WHAT YOU CAN DO FOR YOUR COUNTRY' }

🔧 注意事項

⚠️ 重要提示

ONNXウェイト用に別のリポジトリを用意するのは、WebMLが普及するまでの一時的な解決策です。モデルをWeb対応にする場合は、🤗 Optimumを使用してONNXに変換し、このリポジトリのように構成することをおすすめします（ONNXウェイトはonnxというサブフォルダに配置）。

情報一覧