🚀 葡萄牙語語音識別模型評估項目
本項目主要針對葡萄牙語語音識別模型在Common Voice數據集上進行評估,通過一系列代碼實現對模型的性能測試,得出對應的字錯率(WER)結果。
🚀 快速開始
環境準備
確保你已經安裝了torchaudio
、datasets
、transformers
、torch
等必要的庫。
運行代碼
以下是在Common Voice葡萄牙語測試集上進行評估的代碼:
import torchaudio
from datasets import load_dataset, load_metric
from transformers import (
Wav2Vec2ForCTC,
Wav2Vec2Processor,
)
import torch
import re
import sys
model_name = "facebook/wav2vec2-large-xlsr-53-portuguese"
device = "cuda"
chars_to_ignore_regex = '[\,\?\.\!\-\;\:\"]'
model = Wav2Vec2ForCTC.from_pretrained(model_name).to(device)
processor = Wav2Vec2Processor.from_pretrained(model_name)
ds = load_dataset("common_voice", "pt", split="test", data_dir="./cv-corpus-6.1-2020-12-11")
resampler = torchaudio.transforms.Resample(orig_freq=48_000, new_freq=16_000)
def map_to_array(batch):
speech, _ = torchaudio.load(batch["path"])
batch["speech"] = resampler.forward(speech.squeeze(0)).numpy()
batch["sampling_rate"] = resampler.new_freq
batch["sentence"] = re.sub(chars_to_ignore_regex, '', batch["sentence"]).lower().replace("’", "'")
return batch
ds = ds.map(map_to_array)
def map_to_pred(batch):
features = processor(batch["speech"], sampling_rate=batch["sampling_rate"][0], padding=True, return_tensors="pt")
input_values = features.input_values.to(device)
attention_mask = features.attention_mask.to(device)
with torch.no_grad():
logits = model(input_values, attention_mask=attention_mask).logits
pred_ids = torch.argmax(logits, dim=-1)
batch["predicted"] = processor.batch_decode(pred_ids)
batch["target"] = batch["sentence"]
return batch
result = ds.map(map_to_pred, batched=True, batch_size=16, remove_columns=list(ds.features.keys()))
wer = load_metric("wer")
print(wer.compute(predictions=result["predicted"], references=result["target"]))
運行結果
結果:27.1 %
📚 詳細文檔
數據集
本項目使用了Common Voice
葡萄牙語數據集進行評估。
模型
使用了facebook/wav2vec2-large-xlsr-53-portuguese
模型進行自動語音識別任務。
指標
使用字錯率(WER)來評估模型的性能。
📄 許可證
本項目使用Apache-2.0
許可證。