Gigaam Ctc

🚀 GigaAM-v2-CTC 🤗 Hugging Face transformers

• ロシア語の自動音声認識（ASR）モデルGigaAM-v2-CTCです。
• オリジナルのgit: https://github.com/salute-developers/GigaAM

🚀 クイックスタート

このモデルは、transformersライブラリを介して使用できるロシア語の自動音声認識（ASR）モデルです。以下に、基本的な使用方法やインストール手順を説明します。

✨ 主な機能

• transformersライブラリとの互換性があり、他のASRモデルと同じように使用できます。
• ファインチューニングが可能で、Colab上で簡単に試すことができます。

📦 インストール

必要なライブラリのバージョンは以下の通りです。

• torch 2.5.1
• torchaudio 2.5.1
• transformers 4.49.0
• accelerate 1.5.2

💻 使用例

基本的な使用法

from transformers import AutoModel, AutoProcessor
import torch
import torchaudio

# load audio
wav, sr = torchaudio.load("audio.wav")
# resample if necessary
wav = torchaudio.functional.resample(wav, sr, 16000)

# load model and processor
processor = AutoProcessor.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)
model.eval()

input_features = processor(wav[0], sampling_rate=16000, return_tensors="pt")

# predict
with torch.no_grad():
    logits = model(**input_features).logits
# greedy decoding
greedy_ids = logits.argmax(dim=-1)
# decode token ids to text
transcription = processor.batch_decode(greedy_ids)[0]

📚 ドキュメント

モデル情報

これはtransformersライブラリインターフェースを持つオリジナルのGigaAM-v2-CTCモデルです。 ファイルgigaam_transformers.pyには、通常のtransformersメソッドを持つモデル、特徴抽出器、トークナイザーのクラスが含まれています。モデルはtransformersの自動クラスを使用して初期化できます（下記の例を参照）。

ファインチューニング

以下のリンクから、Colab上でファインチューニングを試すことができます。

• Finetune In Colab
• Fine-tuning Jupyter

📄 ライセンス

このモデルはMITライセンスの下で提供されています。