Wav2vec2 Xlsr Korean Senior

🚀 wav2vec2-xlsr-korean-senior

本項目基於 AIhub 自由對話語音（老年男女） 數據集，對 fleek/wav2vec-large-xlsr-korean 模型進行了進一步的微調。該模型可用於自動語音識別任務，為韓語語音識別提供了更精準的解決方案。

🚀 快速開始

使用此模型時，請確保您的語音輸入採樣率為 16kHz。訓練使用的腳本可在此處找到：https://github.com/hyyoka/wav2vec2-korean-senior

✨ 主要特性

• 總訓練數據大小：808,642
• 總驗證數據大小：159,970

💻 使用示例

基礎用法

import torchaudio
from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC
import re

def clean_up(transcription):
    hangul = re.compile('[^ ㄱ-ㅣ가-힣]+')
    result = hangul.sub('', transcription)
    return result

model_name "hyyoka/wav2vec2-xlsr-korean-senior"
processor = Wav2Vec2Processor.from_pretrained(model_name)
model = Wav2Vec2ForCTC.from_pretrained(model_name)
speech_array, sampling_rate = torchaudio.load(wav_file)
feat = processor(speech_array[0], 
                            sampling_rate=16000, 
                            padding=True,
                            max_length=800000, 
                            truncation=True,
                            return_attention_mask=True,
                            return_tensors="pt",
                            pad_token_id=49
                            )
input = {'input_values': feat['input_values'],'attention_mask':feat['attention_mask']}

outputs = model(**input, output_attentions=True)
logits = outputs.logits
predicted_ids = logits.argmax(axis=-1)
transcription = processor.decode(predicted_ids[0])
stt_result = clean_up(transcription)

📄 許可證

本項目採用 Apache-2.0 許可證。