Izanami Wav2vec2 Large

🚀 imprt/izanami-wav2vec2-large

這是一個日語wav2vec 2.0大型模型，它使用從大規模日語電視廣播音頻數據中通過語音活動檢測提取的62215小時音頻進行預訓練。該模型使用官方倉庫中的代碼進行訓練。

🚀 快速開始

在下載此模型前，請閱讀LICENSE。

✨ 主要特性

• 基於大規模日語電視廣播音頻數據進行預訓練，時長達到62215小時。
• 採用wav2vec 2.0架構，適用於特徵提取任務。

📦 安裝指南

文檔未提及安裝步驟，故跳過該章節。

💻 使用示例

基礎用法

import soundfile as sf
from transformers import AutoFeatureExtractor
model = "imprt/izanami-wav2vec2-large"
feature_extractor = AutoFeatureExtractor.from_pretrained(model)
audio_file="/path/to/16k_audio_file"
audio_input, sr = sf.read(audio_file)
feature_extractor(audio_input, sampling_rate=sr)

📚 詳細文檔

文檔未提供詳細說明，故跳過該章節。

🔧 技術細節

文檔未提供技術實現細節，故跳過該章節。

📄 許可證

使用此模型時，請閱讀LICENSE。

📚 參考文獻

@inproceedings{NEURIPS2020_92d1e1eb,
    author = {Baevski, Alexei and Zhou, Yuhao and Mohamed, Abdelrahman and Auli, Michael},
    booktitle = {Advances in Neural Information Processing Systems},
    editor = {H. Larochelle and M. Ranzato and R. Hadsell and M.F. Balcan and H. Lin},
    pages = {12449--12460},
    publisher = {Curran Associates, Inc.},
    title = {wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations},
    url = {https://proceedings.neurips.cc/paper_files/paper/2020/file/92d1e1eb1cd6f9fba3227870bb6d7f07-Paper.pdf},
    volume = {33},
    year = {2020}
}

模型信息表格

重要提示

⚠️ 重要提示

下載此模型前，請閱讀LICENSE。

💡 使用建議

請按照使用示例中的代碼進行操作，確保音頻文件為16k採樣率。