Kushinada Hubert Base

🚀 imprt/kushinada-hubert-base

這是一個日語HuBERT基礎模型，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《Apache許可證2.0版》。下載時需要填寫以下信息：

• 國家
• 所屬機構
• 我同意《Apache許可證2.0版》中的所有聲明

點擊“確認許可”按鈕以完成下載。

✨ 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。
• 可用於特徵提取任務。

💻 使用示例

基礎用法

import soundfile as sf
from transformers import AutoFeatureExtractor
model = "imprt/kushinada-hubert-base"
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

本模型使用了HuBERT架構，通過對隱藏單元的掩碼預測進行自監督語音表示學習。

📄 參考文獻

@article{journals/corr/abs-2106-07447,
  added-at = {2021-06-16T00:00:00.000+0200},
  author = {Hsu, Wei-Ning and Bolte, Benjamin and Tsai, Yao-Hung Hubert and Lakhotia, Kushal and Salakhutdinov, Ruslan and Mohamed, Abdelrahman},
  biburl = {https://www.bibsonomy.org/bibtex/2435bd8c9ac37a4eab204ded15e9f8918/dblp},
  ee = {https://arxiv.org/abs/2106.07447},
  interhash = {c85407653eddc9c9256c261afe8d6954},
  intrahash = {435bd8c9ac37a4eab204ded15e9f8918},
  journal = {CoRR},
  keywords = {dblp},
  timestamp = {2024-04-08T22:55:35.000+0200},
  title = {HuBERT: Self-Supervised Speech Representation Learning by Masked Prediction of Hidden Units.},
  url = {http://dblp.uni-trier.de/db/journals/corr/corr2106.html#abs-2106-07447},
  volume = {abs/2106.07447},
  year = 2021
}

📄 許可證

本模型採用Apache許可證2.0版。