Wav2vec2 Large Xls R 300m Urdu

🚀 wav2vec2-large-xls-r-300m-Urdu

本模型是在通用语音（Common Voice）数据集上对 facebook/wav2vec2-xls-r-300m 进行微调后的版本。它能够将语音数据准确地转换为乌尔都语文本，为乌尔都语的语音识别任务提供了有效的解决方案。

🚀 快速开始

本模型是 facebook/wav2vec2-xls-r-300m 在通用语音（Common Voice）数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值：0.9889
• 词错误率（Wer）：0.5607
• 字符错误率（Cer）：0.2370

评估命令

1. 在 mozilla-foundation/common_voice_8_0 数据集的 test 分割上进行评估

python eval.py --model_id kingabzpro/wav2vec2-large-xls-r-300m-Urdu --dataset mozilla-foundation/common_voice_8_0 --config ur --split test

💻 使用示例

基础用法

from datasets import load_dataset, Audio
from transformers import pipeline
model = "kingabzpro/wav2vec2-large-xls-r-300m-Urdu"
data = load_dataset("mozilla-foundation/common_voice_8_0",
                     "ur",
                     split="test", 
                     streaming=True, 
                     use_auth_token=True)

sample_iter = iter(data.cast_column("path", 
                    Audio(sampling_rate=16_000)))
sample = next(sample_iter)

asr = pipeline("automatic-speech-recognition", model=model)
prediction = asr(sample["path"]["array"], 
                  chunk_length_s=5, 
                  stride_length_s=1)
prediction
# => {'text': 'اب یہ ونگین لمحاتانکھار دلمیں میںفوث کریلیا اجائ'}

🔧 技术细节

训练超参数

训练过程中使用了以下超参数：

训练结果

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

通用语音 8 “测试” 集评估结果（词错误率）

📄 许可证

本项目采用 Apache-2.0 许可证。