Gigaam Ctc

🚀 GigaAM-v2-CTC 🤗 Hugging Face transformers

GigaAM-v2-CTC是一个用于俄语的自动语音识别（ASR）模型，它提供了与Hugging Face transformers 库的接口，方便用户使用和微调。

🚀 快速开始

GigaAM-v2-CTC是一个俄语自动语音识别模型，它通过 transformers 库接口提供服务。用户可以轻松地加载模型、处理音频并进行语音识别。

✨ 主要特性

• 提供 transformers 库接口，方便使用和集成。
• 可以使用 transformers 的自动类进行初始化。
• 支持在Colab中进行微调。

📦 安装指南

安装所需的库，以下是所需库的版本：

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

你可以使用以下命令进行安装（假设使用pip）：

pip install torch==2.5.1 torchaudio==2.5.1 transformers==4.49.0 accelerate==1.5.2

💻 使用示例

基础用法

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]

高级用法

目前文档未提供高级用法示例，你可以参考模型的官方文档或在社区中寻找更多用法。

📚 详细文档

模型信息

这是一个原始的GigaAM-v2-CTC模型，带有 transformers 库接口。文件 gigaam_transformers.py 包含了模型、特征提取器和分词器类，以及常见的 transformers 方法。模型可以使用 transformers 的自动类进行初始化（见上面的示例）。

微调

你可以在Colab中进行模型的微调： Fine-tuning Jupyter

📄 许可证

本项目采用MIT许可证。