Wav2vec2 Russian

🚀 wav2vec2-russian

這是一個用於音頻識別的模型。該模型的識別結果可以進一步通過另一個文本糾錯網絡 UrukHan/t5-russian-spell 進行處理。

🚀 快速開始

運行網絡示例

你可以在 Colab 中查看運行示例：點擊查看。以下是具體代碼：

from transformers import AutoModelForCTC, Wav2Vec2Processor
model = AutoModelForCTC.from_pretrained("UrukHan/wav2vec2-russian")
processor = Wav2Vec2Processor.from_pretrained("UrukHan/wav2vec2-russian")
def map_to_result(batch):
  with torch.no_grad():
    input_values = torch.tensor(batch["input_values"]).unsqueeze(0) #, device="cuda"
    logits = model(input_values).logits
  pred_ids = torch.argmax(logits, dim=-1)
  batch = processor.batch_decode(pred_ids)[0]
  return batch
 
map_to_result()

模型訓練

你可以在 Colab 中查看模型訓練、數據處理和創建數據集的相關內容：點擊查看。

✨ 主要特性

該模型可用於音頻識別，並且識別結果可通過 UrukHan/t5-russian-spell 網絡進行文本糾錯、標點符號調整和數字修正。以下是模型輸出與糾錯網絡輸出的對比示例：

📚 詳細文檔

你可以上傳 wav 格式的音頻文件進行識別。識別結果可通過另一個網絡進行修正，該網絡能糾正錯誤、添加標點符號並修正數字。點擊訪問糾錯網絡。

此外，你還可以通過以下鏈接試聽示例音頻：示例音頻。