Gigaam Ctc

🚀 GigaAM-v2-CTC 🤗 Hugging Face transformers

GigaAM-v2-CTC是一個用於俄語的自動語音識別（ASR）模型，它提供了與Hugging Face transformers 庫的接口，方便用戶使用和微調。

🚀 快速開始

GigaAM-v2-CTC是一個俄語自動語音識別模型，它通過 transformers 庫接口提供服務。用戶可以輕鬆地加載模型、處理音頻並進行語音識別。

✨ 主要特性

• 提供 transformers 庫接口，方便使用和集成。
• 可以使用 transformers 的自動類進行初始化。
• 支持在Colab中進行微調。

📦 安裝指南

安裝所需的庫，以下是所需庫的版本：

• torch 2.5.1
• torchaudio 2.5.1
• transformers 4.49.0
• accelerate 1.5.2

你可以使用以下命令進行安裝（假設使用pip）：

pip install torch==2.5.1 torchaudio==2.5.1 transformers==4.49.0 accelerate==1.5.2

💻 使用示例

基礎用法

from transformers import AutoModel, AutoProcessor
import torch
import torchaudio

# load audio
wav, sr = torchaudio.load("audio.wav")
# resample if necessary
wav = torchaudio.functional.resample(wav, sr, 16000)

# load model and processor
processor = AutoProcessor.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-ctc", trust_remote_code=True)
model.eval()

input_features = processor(wav[0], sampling_rate=16000, return_tensors="pt")

# predict
with torch.no_grad():
    logits = model(**input_features).logits
# greedy decoding
greedy_ids = logits.argmax(dim=-1)
# decode token ids to text
transcription = processor.batch_decode(greedy_ids)[0]

高級用法

目前文檔未提供高級用法示例，你可以參考模型的官方文檔或在社區中尋找更多用法。

📚 詳細文檔

模型信息

這是一個原始的GigaAM-v2-CTC模型，帶有 transformers 庫接口。文件 gigaam_transformers.py 包含了模型、特徵提取器和分詞器類，以及常見的 transformers 方法。模型可以使用 transformers 的自動類進行初始化（見上面的示例）。

微調

你可以在Colab中進行模型的微調： Fine-tuning Jupyter

📄 許可證

本項目採用MIT許可證。