Wav2vec2 Large Xlsr 53 Amharic

🚀 アムハラ語自動音声認識（ASR）における微調整済みWav2vec2 XLSR - 53の活用

このモデルは、[facebook/wav2vec2 - large - xlsr - 53](https://huggingface.co/facebook/wav2vec2 - large - xlsr - 53) を アムハラ語音声コーパス で微調整したバージョンです。このコーパスは [Abate et al. (2005)](https://www.isca - speech.org/archive/interspeech_2005/abate05_interspeech.html) (10.21437/Interspeech.2005 - 467) によって作成されました。

このモデルは、アムハラ語読み上げ音声データの検証セットで、WER（単語誤り率）が26％、CER（文字誤り率）が7％を達成しています。

🚀 クイックスタート

このモデルは、以下のように使用できます。

💻 使用例

基本的な使用法

import librosa
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

model = Wav2Vec2ForCTC.from_pretrained("agkphysics/wav2vec2-large-xlsr-53-amharic")
processor = Wav2Vec2Processor.from_pretrained("agkphysics/wav2vec2-large-xlsr-53-amharic")

audio, _ = librosa.load("/path/to/audio.wav", sr=16000)

input_values = processor(
    audio.squeeze(),
    sampling_rate=16000,
    return_tensors="pt"
).input_values

model.eval()
with torch.no_grad():
    logits = model(input_values).logits
    preds = logits.argmax(-1)
    texts = processor.batch_decode(preds)
print(texts[0])

📚 ドキュメント

このモデルを訓練するためのコードは、https://github.com/agkphysics/amharic - asr で入手できます。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。