Wav2vec2 Large Xls R 300m Breton Cv8

🚀 XLS-R-300M - 布列塔尼語

該模型是 facebook/wav2vec2-xls-r-300m 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BR 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失：未提供
• 詞錯誤率（Wer）：未提供

✨ 主要特性

• 適用於自動語音識別任務。
• 基於 Mozilla 基金會的 Common Voice 8.0 布列塔尼語數據集進行微調。

📦 安裝指南

文檔中未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F


model_id = "infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8"

sample_iter = iter(load_dataset("mozilla-foundation/common_voice_8_0", "br", split="test", streaming=True, use_auth_token=True))

sample = next(sample_iter)
resampled_audio = F.resample(torch.tensor(sample["audio"]["array"]), 48_000, 16_000).numpy()

model = AutoModelForCTC.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)

input_values = processor(resampled_audio, return_tensors="pt").input_values

with torch.no_grad():
    logits = model(input_values).logits

transcription = processor.batch_decode(logits.numpy()).text

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 infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8 --dataset mozilla-foundation/common_voice_8_0 --config br --split test

2. 在 speech-recognition-community-v2/dev_data 數據集上進行評估

python eval.py --model_id infinitejoy/wav2vec2-large-xls-r-300m-breton-cv8 --dataset speech-recognition-community-v2/dev_data --config br --split validation --chunk_length_s 5.0 --stride_length_s 1.0

📚 詳細文檔

模型信息

評估結果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.17.1.dev0
• Tokenizers 0.10.3

📄 許可證

本模型採用 Apache-2.0 許可證。