Viwav2vec2 Base 1.5k

🚀 基於1500小時越南語語音訓練的Wav2Vec2基礎模型

本基礎模型在包含1500小時朗讀和廣播語音的越南語語音語料庫上進行預訓練，該語料庫的語音音頻採樣率為16kHz。使用該模型時，請確保輸入的語音採樣率同樣為16kHz。請注意，此模型需要在下游任務（如越南語自動語音識別）上進行微調。

🚀 快速開始

本基礎模型在採樣率為16kHz的越南語語音音頻上進行了預訓練，這些音頻來自包含1500小時朗讀和廣播語音的越南語語音語料庫。使用模型時，請確保您的語音輸入採樣率也為16kHz。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。

注意：此模型沒有分詞器，因為它僅在音頻上進行了預訓練。若要將此模型用於語音識別，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。請查看此博客，以獲取關於如何微調該模型的詳細解釋。 Facebook的Wav2Vec2博客 論文

💻 使用示例

基礎用法

import torch
from transformers import Wav2Vec2Model

model = Wav2Vec2Model.from_pretrained("dragonSwing/viwav2vec2-base-1.5k")

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

如需瞭解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。