Viwav2vec2 Base 3k

🚀 基於3000小時越南語語音訓練的Wav2Vec2基礎模型

該基礎模型在越南語語音語料庫的16kHz採樣語音音頻上進行預訓練，語料庫包含3000小時的自發、朗讀和廣播語音。使用該模型時，請確保您的語音輸入也是16kHz採樣。請注意，此模型應在下游任務（如越南語自動語音識別）上進行微調。

🚀 快速開始

本模型是在包含3000小時越南語自發、朗讀和廣播語音的語料庫上進行預訓練的，語音音頻採樣率為16kHz。使用該模型時，請確保您的語音輸入同樣為16kHz採樣。需要注意的是，該模型需要在下游任務（如越南語自動語音識別）上進行微調。

⚠️ 重要提示

此模型沒有分詞器，因為它僅在音頻上進行了預訓練。若要使用該模型進行語音識別，需要創建一個分詞器，並在帶標籤的文本數據上對模型進行微調。更多關於如何微調模型的詳細解釋，請查看此博客。

💡 使用建議

可以參考Facebook的Wav2Vec2博客和相關論文，以深入瞭解模型原理。

💻 使用示例

基礎用法

import torch
from transformers import Wav2Vec2Model

model = Wav2Vec2Model.from_pretrained("dragonSwing/viwav2vec2-base-3k")

# 健全性檢查
inputs = torch.rand([1, 16000])
outputs = model(inputs)

更多信息

有關如何微調英語預訓練模型的更多信息，請查看此筆記本。

📄 許可證

本項目採用CC BY-SA 4.0許可證。