Indicwav2vec Hindi

🚀 IndicWav2Vec - ヒンディー語版

このモデルは、Wav2Vec2 スタイルの自動音声認識（ASR）モデルで、fairseq で学習され、Hugging Faceに移植されています。データセット、学習設定、およびHugging Face形式への変換に関する詳細は、IndicWav2Vec リポジトリを参照してください。 注意: このモデルは言語モデルを使用した推論をサポートしていません。

🚀 クイックスタート

このモデルは、ヒンディー語の音声を認識するために設計された自動音声認識モデルです。以下の手順で推論を実行できます。

💻 使用例

基本的な使用法

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F

DEVICE_ID = "cuda" if torch.cuda.is_available() else "cpu"
MODEL_ID = "ai4bharat/indicwav2vec-hindi"

sample = next(iter(load_dataset("common_voice", "hi", split="test", streaming=True)))
resampled_audio = F.resample(torch.tensor(sample["audio"]["array"]), 48000, 16000).numpy()

model = AutoModelForCTC.from_pretrained(MODEL_ID).to(DEVICE_ID)
processor = AutoProcessor.from_pretrained(MODEL_ID)

input_values = processor(resampled_audio, return_tensors="pt").input_values

with torch.no_grad():
    logits = model(input_values.to(DEVICE_ID)).logits.cpu()
    
prediction_ids = torch.argmax(logits, dim=-1)
output_str = processor.batch_decode(prediction_ids)[0]
print(f"Greedy Decoding: {output_str}")

📚 詳細ドキュメント

メトリクス

AI4Bharatについて

• ウェブサイト: https://ai4bharat.org/
• コード: https://github.com/AI4Bharat
• HuggingFace: https://huggingface.co/ai4bharat