Chinese Hubert Base

🚀 中文语音预训练模型

本项目是在10k小时的WenetSpeech L子集上进行预训练的语音模型。更多详细信息请参考 TencentGameMate/chinese_speech_pretrain。该模型仅在音频数据上进行预训练，因此没有分词器。若要将此模型用于语音识别，需要创建一个分词器，并在带标签的文本数据上对模型进行微调。

🚀 快速开始

安装依赖

本项目使用的Python包版本如下：

transformers==4.16.2

使用示例

基础用法

import torch
import torch.nn.functional as F
import soundfile as sf

from transformers import (
    Wav2Vec2FeatureExtractor,
    HubertModel,
)

model_path=""
wav_path=""

feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(model_path)
model = HubertModel.from_pretrained(model_path)

# for pretrain: Wav2Vec2ForPreTraining
# model = Wav2Vec2ForPreTraining.from_pretrained(model_path)

model = model.to(device)
model = model.half()
model.eval()

wav, sr = sf.read(wav_path)
input_values = feature_extractor(wav, return_tensors="pt").input_values
input_values = input_values.half()
input_values = input_values.to(device)

with torch.no_grad():
    outputs = model(input_values)
    last_hidden_state = outputs.last_hidden_state

📄 许可证

本项目采用MIT许可证。