Wav2vec2 Large 100k Voxpopuli Ft Common Voice Plus TTS Dataset Plus Data Augmentation Portuguese

🚀 Wav2vec2 Large 100k Voxpopuli 在葡萄牙語上微調模型

該項目基於 Common Voice 7.0、TTS - 葡萄牙語語料庫並結合數據增強方法，對 Wav2vec2 Large 100k Voxpopuli 模型進行微調，用於葡萄牙語的自動語音識別，有效提升了語音識別效果。

🚀 快速開始

本模型是 Wav2vec2 Large 100k Voxpopuli 在葡萄牙語上的微調版本，使用了 Common Voice 7.0、TTS - 葡萄牙語語料庫，並結合了基於 TTS 和語音轉換的數據增強方法。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, Wav2Vec2ForCTC
  
tokenizer = AutoTokenizer.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-portuguese")

model = Wav2Vec2ForCTC.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common_Voice_plus_TTS-Dataset_plus_Data_Augmentation-portuguese")

高級用法

使用 Common Voice 數據集進行測試示例

dataset = load_dataset("common_voice", "ru", split="test", data_dir="./cv-corpus-7.0-2021-07-21")

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 = dataset.map(map_to_array)
result = ds.map(map_to_pred, batched=True, batch_size=1, remove_columns=list(ds.features.keys()))
print(wer.compute(predictions=result["predicted"], references=result["target"]))

📚 詳細文檔

關於模型的詳細結果，請查看 論文。

📄 許可證

本模型使用的許可證為 apache - 2.0。

📦 模型信息