Wav2vec En Finetuned On Cryptocurrency

🚀 加密貨幣音頻自動語音識別模型

本項目基於預訓練模型進行微調，用於處理加密貨幣相關音頻的自動語音識別任務，有效提升了識別準確率，降低了詞錯誤率（WER）。

🚀 快速開始

本項目使用了 facebook/wav2vec2-large-960h 模型，並使用來自各種加密貨幣相關播客的1400個音頻片段（每個片段約10 - 15秒）對其進行了微調。為了標註數據，我們從YouTube下載了帶有字幕數據的加密貨幣播客，並按句子分割音頻片段。然後，我們將YouTube的轉錄內容與 facebook/wav2vec2-large-960h 的輸出進行比較，以糾正YouTube轉錄中的許多錯誤。如果進行更多的數據清理，可能會取得更好的結果。

在我們的數據上，該模型實現了13.1%的詞錯誤率（WER），而 facebook/wav2vec2-large-960h 在我們的數據上僅達到27%的WER。

💻 使用示例

基礎用法

from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC
from datasets import load_dataset
import soundfile as sf
import torch

# 加載模型和分詞器
processor = Wav2Vec2Processor.from_pretrained("distractedm1nd/wav2vec-en-finetuned-on-cryptocurrency")
model = Wav2Vec2ForCTC.from_pretrained("distractedm1nd/wav2vec-en-finetuned-on-cryptocurrency")

filename = "INSERT_FILENAME"
audio, sampling_rate = sf.read(filename)

input_values = processor(audio, return_tensors="pt", padding="longest", sampling_rate=sampling_rate).input_values  # 批量大小為1

# 獲取對數概率
logits = model(input_values).logits

# 取最大值並解碼
predicted_ids = torch.argmax(logits, dim=-1)
tokenizer.batch_decode(predicted_ids)

📄 許可證

本項目採用MIT許可證。