Wav2vec2 Large Slavic Parlaspeech Hr

🚀 wav2vec2-large-slavic-parlaspeech-hr

該模型用於克羅地亞語的自動語音識別（ASR），基於 facebook/wav2vec2-large-slavic-voxpopuli-v2 模型，並使用來自克羅地亞議會 ASR 數據集 ParlaSpeech-HR v1.0 的 300 小時錄音和文字轉錄進行了微調。

如果您使用此模型，請引用以下論文：

Nikola Ljubešić, Danijel Koržinek, Peter Rupnik, Ivo - Pavao Jazbec. ParlaSpeech - HR -- a freely available ASR dataset for Croatian bootstrapped from the ParlaMint corpus. http://www.lrec-conf.org/proceedings/lrec2022/workshops/ParlaCLARINIII/pdf/2022.parlaclariniii-1.16.pdf

✨ 主要特性

• 基於成熟的 facebook/wav2vec2-large-slavic-voxpopuli-v2 模型進行微調，適用於克羅地亞語的自動語音識別任務。
• 利用了 300 小時的克羅地亞議會錄音及轉錄數據進行訓練，具有較好的性能表現。

📦 安裝指南

文檔中未提及具體安裝步驟，若有相關需求，可參考 transformers 庫的安裝方式。

💻 使用示例

基礎用法

from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC
import soundfile as sf
import torch
import os
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# load model and tokenizer
processor = Wav2Vec2Processor.from_pretrained(
    "classla/wav2vec2-large-slavic-parlaspeech-hr")
model = Wav2Vec2ForCTC.from_pretrained("classla/wav2vec2-large-slavic-parlaspeech-hr")
# download the example wav files:
os.system("wget https://huggingface.co/classla/wav2vec2-large-slavic-parlaspeech-hr/raw/main/00020570a.flac.wav")
# read the wav file 
speech, sample_rate = sf.read("00020570a.flac.wav")
input_values = processor(speech, sampling_rate=sample_rate, return_tensors="pt").input_values.to(device)
# remove the raw wav file
os.system("rm 00020570a.flac.wav")
# retrieve logits
logits = model.to(device)(input_values).logits
# take argmax and decode
predicted_ids = torch.argmax(logits, dim=-1)
transcription = processor.decode(predicted_ids[0]).lower()
# transcription: 'veliki broj poslovnih subjekata posluje sa minusom velik dio'

📚 詳細文檔

指標

評估是在 ParlaSpeech - HR v1.0 數據集的開發集和測試集上進行的。

有多個可用的模型，就 CER 和 WER 而言，性能最佳的模型是 wav2vec2-large-slavic-parlaspeech-hr-lm。

訓練超參數

在微調過程中，使用了以下參數：