Wav2vec2 Large Xlsr 53 Amharic

🚀 基於微調Wav2vec2 XLSR - 53的阿姆哈拉語自動語音識別

本項目是基於 facebook/wav2vec2 - large - xlsr - 53 模型在 阿姆哈拉語語音語料庫 上微調得到的版本。該語料庫由 Abate 等人（2005 年）（10.21437/Interspeech.2005 - 467）製作。

該模型在阿姆哈拉語朗讀語音數據的驗證集上實現了 26% 的單詞錯誤率（WER）和 7% 的字符錯誤率（CER）。

🚀 快速開始

本模型可按照如下方式使用：

import librosa
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

model = Wav2Vec2ForCTC.from_pretrained("agkphysics/wav2vec2-large-xlsr-53-amharic")
processor = Wav2Vec2Processor.from_pretrained("agkphysics/wav2vec2-large-xlsr-53-amharic")

audio, _ = librosa.load("/path/to/audio.wav", sr=16000)

input_values = processor(
    audio.squeeze(),
    sampling_rate=16000,
    return_tensors="pt"
).input_values

model.eval()
with torch.no_grad():
    logits = model(input_values).logits
    preds = logits.argmax(-1)
    texts = processor.batch_decode(preds)
print(texts[0])

📚 詳細文檔

訓練該模型的代碼可在 此處 獲取。

📄 許可證

本項目採用 MIT 許可證。