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

🚀 Wav2vec2 Large 100k Voxpopuli 在葡萄牙語上使用Common Voice和TTS - 葡萄牙語語料庫進行微調

本項目基於Wav2vec2 Large 100k Voxpopuli模型，使用Common Voice 7.0和TTS - 葡萄牙語語料庫在葡萄牙語上進行了微調。該模型可用於自動語音識別任務，為葡萄牙語語音處理提供了有效的解決方案。

🚀 快速開始

模型使用

以下代碼展示瞭如何加載本模型：

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

model = Wav2Vec2ForCTC.from_pretrained("Edresson/wav2vec2-large-100k-voxpopuli-ft-Common-Voice_plus_TTS-Dataset-portuguese")

測試示例

使用Common Voice數據集進行測試的示例代碼如下：

dataset = 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 = 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

模型信息

結果查看

如需查看模型的詳細結果，請參考論文。

📄 許可證

本項目採用Apache - 2.0許可證。