Wav2vec2 Large Xls R 300m Urdu

🚀 wav2vec2-large-xls-r-300m-Urdu

本模型是在通用語音（Common Voice）數據集上對 facebook/wav2vec2-xls-r-300m 進行微調後的版本。它能夠將語音數據準確地轉換為烏爾都語文本，為烏爾都語的語音識別任務提供了有效的解決方案。

🚀 快速開始

本模型是 facebook/wav2vec2-xls-r-300m 在通用語音（Common Voice）數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.9889
• 詞錯誤率（Wer）：0.5607
• 字符錯誤率（Cer）：0.2370

評估命令

1. 在 mozilla-foundation/common_voice_8_0 數據集的 test 分割上進行評估

python eval.py --model_id kingabzpro/wav2vec2-large-xls-r-300m-Urdu --dataset mozilla-foundation/common_voice_8_0 --config ur --split test

💻 使用示例

基礎用法

from datasets import load_dataset, Audio
from transformers import pipeline
model = "kingabzpro/wav2vec2-large-xls-r-300m-Urdu"
data = load_dataset("mozilla-foundation/common_voice_8_0",
                     "ur",
                     split="test", 
                     streaming=True, 
                     use_auth_token=True)

sample_iter = iter(data.cast_column("path", 
                    Audio(sampling_rate=16_000)))
sample = next(sample_iter)

asr = pipeline("automatic-speech-recognition", model=model)
prediction = asr(sample["path"]["array"], 
                  chunk_length_s=5, 
                  stride_length_s=1)
prediction
# => {'text': 'اب یہ ونگین لمحاتانکھار دلمیں میںفوث کریلیا اجائ'}

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

訓練結果

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

通用語音 8 “測試” 集評估結果（詞錯誤率）

📄 許可證

本項目採用 Apache-2.0 許可證。