Gigaam Rnnt

🚀 GigaAM-v2-CTC 🤖 Hugging Face transformers

• このモデルは、自動音声認識を行うロシア語のASRモデルです。
• オリジナルのgitはこちら：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オリジナルのGigaAM-v2-RNNTです。

✨ 主な機能

• 通常のtransformersメソッドを備えたモデル、特徴抽出器、トークナイザクラスを含んでいます。
• transformersの自動クラスを使用してモデルを初期化できます。

📦 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

💻 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-rnnt", trust_remote_code=True)
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-rnnt", trust_remote_code=True)
model.eval()

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

# greedy prediction
with torch.no_grad():
    pred_ids = model.generate(**input_features)

# decode token ids to text
transcription = processor.batch_decode(pred_ids)[0]

📚 ドキュメント

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（上記の例を参照）。

📄 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。