Chinese Hubert Base

🚀 中文語音預訓練模型

本項目是在10k小時的WenetSpeech L子集上進行預訓練的語音模型。更多詳細信息請參考 TencentGameMate/chinese_speech_pretrain。該模型僅在音頻數據上進行預訓練，因此沒有分詞器。若要將此模型用於語音識別，需要創建一個分詞器，並在帶標籤的文本數據上對模型進行微調。

🚀 快速開始

安裝依賴

本項目使用的Python包版本如下：

transformers==4.16.2

使用示例

基礎用法

import torch
import torch.nn.functional as F
import soundfile as sf

from transformers import (
    Wav2Vec2FeatureExtractor,
    HubertModel,
)

model_path=""
wav_path=""

feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(model_path)
model = HubertModel.from_pretrained(model_path)

# for pretrain: Wav2Vec2ForPreTraining
# model = Wav2Vec2ForPreTraining.from_pretrained(model_path)

model = model.to(device)
model = model.half()
model.eval()

wav, sr = sf.read(wav_path)
input_values = feature_extractor(wav, return_tensors="pt").input_values
input_values = input_values.half()
input_values = input_values.to(device)

with torch.no_grad():
    outputs = model(input_values)
    last_hidden_state = outputs.last_hidden_state

📄 許可證

本項目採用MIT許可證。