Xlsr300m Cv 8.0 Nl

🚀 XLSR - 300M荷蘭語模型

本項目是XLSR - 300M的荷蘭語版本模型，主要用於自動語音識別任務。它基於Mozilla Foundation的Common Voice數據集進行訓練，在荷蘭語語音識別方面表現出色。

🚀 快速開始

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 Iskaj/xlsr300m_cv_8.0_nl --dataset mozilla-foundation/common_voice_8_0 --config nl --split test

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

python eval.py --model_id Iskaj/xlsr300m_cv_8.0_nl --dataset speech-recognition-community-v2/dev_data --config nl --split validation --chunk_length_s 5.0 --stride_length_s 1.0

推理示例

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

model_id = "Iskaj/xlsr300m_cv_8.0_nl"

sample_iter = iter(load_dataset("mozilla-foundation/common_voice_8_0", "nl", 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)

inputs = processor(resampled_audio, sampling_rate=16_000, return_tensors="pt")
with torch.no_grad():
  logits = model(**inputs).logits
  predicted_ids = torch.argmax(logits, dim=-1)
  transcription = processor.batch_decode(predicted_ids)

transcription[0].lower()
#'het kontine schip lag aangemeert in de aven'

📚 詳細文檔

模型信息

評估結果

📄 許可證

本項目採用Apache - 2.0許可證。