Wav2vec Test

🚀 測試埃及阿拉伯語的Wav2Vec2模型

本項目基於埃及阿拉伯語對 facebook/wav2vec2-large-xlsr-53 模型進行了微調，使用的數據集為 arabicspeech.org MGB-3。使用該模型時，請確保輸入的語音採樣率為 16kHz。

🚀 快速開始

本模型可直接使用（無需語言模型），具體使用方法如下。

💻 使用示例

基礎用法

import torch
import torchaudio
from datasets import load_dataset
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
dataset = load_dataset("arabic_speech_corpus", split="test")
processor = Wav2Vec2Processor.from_pretrained("othrif/wav2vec_test")
model = Wav2Vec2ForCTC.from_pretrained("othrif/wav2vec_test")
resampler = torchaudio.transforms.Resample(48_000, 16_000)
# Preprocessing the datasets.
# We need to read the aduio files as arrays
def speech_file_to_array_fn(batch):
    speech_array, sampling_rate = torchaudio.load(batch["path"])
    batch["speech"] = resampler(speech_array).squeeze().numpy()
    return batch
test_dataset = test_dataset.map(speech_file_to_array_fn)
inputs = processor(test_dataset["speech"][:2], sampling_rate=16_000, return_tensors="pt", padding=True)
with torch.no_grad():
    logits = model(inputs.input_values, attention_mask=inputs.attention_mask).logits
predicted_ids = torch.argmax(logits, dim=-1)
print("Prediction:", processor.batch_decode(predicted_ids))
print("Reference:", test_dataset["sentence"][:2])

📄 許可證

本項目採用 apache-2.0 許可證。

📚 詳細文檔

模型信息

標籤信息

• 音頻
• 自動語音識別
• 語音

⚠️ 重要提示

使用此模型時，請確保輸入的語音採樣率為 16kHz。