Wav2vec2 Large Xlsr 300m Nepali

🚀 語音轉文字模型

該模型可直接使用（無需語言模型），用於將語音轉換為文本，為語音處理任務提供了便捷的解決方案。

🚀 快速開始

該模型可以直接（無需語言模型）按如下方式使用：

語言:

• 尼泊爾語 (ne) 標籤:
• 語音轉文字

💻 使用示例

基礎用法

import soundfile as sf
import torch
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
import argparse

def parse_transcription(wav_file):
    # load pretrained model
    processor = Wav2Vec2Processor.from_pretrained("shniranjan/wav2vec2-large-xlsr-300m-nepali")
    model = Wav2Vec2ForCTC.from_pretrained("shniranjan/wav2vec2-large-xlsr-300m-nepali")
    # load audio
    audio_input, sample_rate = sf.read(wav_file)
    # pad input values and return pt tensor
    input_values = processor(audio_input, sampling_rate=sample_rate, return_tensors="pt").input_values
    # INFERENCE
    # retrieve logits & take argmax
    logits = model(input_values).logits
    predicted_ids = torch.argmax(logits, dim=-1)
    # transcribe
    transcription = processor.decode(predicted_ids[0], skip_special_tokens=True)
    print(transcription)