W2v Bert Uk V2.1

🚀 w2v-bert-uk v2.1

w2v-bert-uk v2.1 是一款用於烏克蘭語自動語音識別的模型，基於 facebook/w2v-bert-2.0 基礎模型構建，在相關數據集上取得了良好的指標表現，可通過特定代碼示例進行使用。

🚀 快速開始

安裝依賴

# pip install -U torch soundfile transformers

代碼示例

import torch
import soundfile as sf
from transformers import AutoModelForCTC, Wav2Vec2BertProcessor

# Config
model_name = 'Yehor/w2v-bert-uk-v2.1'
device = 'cuda:0' # or cpu
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
sampling_rate = 16_000

# Load the model
asr_model = AutoModelForCTC.from_pretrained(model_name, torch_dtype=torch_dtype).to(device)
processor = Wav2Vec2BertProcessor.from_pretrained(model_name)

paths = [
  'sample1.wav',
]

# Extract audio
audio_inputs = []
for path in paths:
  audio_input, _ = sf.read(path)
  audio_inputs.append(audio_input)

# Transcribe the audio
inputs = processor(audio_inputs, sampling_rate=sampling_rate).input_features
features = torch.tensor(inputs).half().to(device)

with torch.inference_mode():
  logits = asr_model(features).logits

predicted_ids = torch.argmax(logits, dim=-1)
predictions = processor.batch_decode(predicted_ids)

# Log results
print('Predictions:')
print(predictions)

✨ 主要特性

• 多渠道社區支持：提供 Discord 社區以及語音識別和語音合成的 Telegram 群組，方便用戶交流。
• 可參考其他模型：提供了其他烏克蘭語語音識別模型的鏈接，便於用戶拓展使用。
• 可視化演示：可通過 Hugging Face 的特定空間查看模型對音頻的處理效果。

📦 安裝指南

pip install -U torch soundfile transformers

💻 使用示例

基礎用法

# pip install -U torch soundfile transformers

import torch
import soundfile as sf
from transformers import AutoModelForCTC, Wav2Vec2BertProcessor

# Config
model_name = 'Yehor/w2v-bert-uk-v2.1'
device = 'cuda:0' # or cpu
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
sampling_rate = 16_000

# Load the model
asr_model = AutoModelForCTC.from_pretrained(model_name, torch_dtype=torch_dtype).to(device)
processor = Wav2Vec2BertProcessor.from_pretrained(model_name)

paths = [
  'sample1.wav',
]

# Extract audio
audio_inputs = []
for path in paths:
  audio_input, _ = sf.read(path)
  audio_inputs.append(audio_input)

# Transcribe the audio
inputs = processor(audio_inputs, sampling_rate=sampling_rate).input_features
features = torch.tensor(inputs).half().to(device)

with torch.inference_mode():
  logits = asr_model(features).logits

predicted_ids = torch.argmax(logits, dim=-1)
predictions = processor.batch_decode(predicted_ids)

# Log results
print('Predictions:')
print(predictions)

📚 詳細文檔

社區交流

• Discord：點擊加入
• 語音識別 Telegram 群組：點擊加入
• 語音合成 Telegram 群組：點擊加入

查看其他烏克蘭語模型：點擊查看

模型概述

這是 https://huggingface.co/Yehor/w2v-bert-uk 的下一代模型。

指標

• AM (F16)：
  • 詞錯誤率（WER）：0.1734（17.34%）
  • 字符錯誤率（CER）：0.0333（3.33%）
  • 單詞準確率：82.66%
  • 字符準確率：96.67%

演示

使用 https://huggingface.co/spaces/Yehor/w2v-bert-uk-v2.1-demo 空間查看模型如何處理你的音頻。

模型信息表格

📄 許可證

本模型使用 apache-2.0 許可證。

🔗 引用

@misc {smoliakov_2025,
	author       = { {Smoliakov} },
	title        = { w2v-bert-uk-v2.1 (Revision 094c59d) },
	year         = 2025,
	url          = { https://huggingface.co/Yehor/w2v-bert-uk-v2.1 },
	doi          = { 10.57967/hf/4554 },
	publisher    = { Hugging Face }
}