Gigaam Rnnt

🚀 GigaAM-v2-CTC 🤖 Hugging Face transformers

• 俄羅斯自動語音識別（ASR）模型GigaAM-v2-RNNT，藉助transformers庫實現便捷使用。
• 原始代碼倉庫：https://github.com/salute-developers/GigaAM

🚀 快速開始

本項目是基於transformers庫接口的原始GigaAM-v2-RNNT模型。文件gigaam_transformers.py包含了具有常規transformers方法的模型、特徵提取器和分詞器類。可以使用transformers的自動類來初始化模型（見下面的示例）。

✨ 主要特性

• 基於transformers庫，方便與其他自然語言處理模型集成。
• 支持常見的transformers方法，易於使用。

📦 安裝指南

以下是所需庫的版本信息：

• torch 2.5.1
• torchaudio 2.5.1
• transformers 4.49.0

💻 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-rnnt", trust_remote_code=True)
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-rnnt", trust_remote_code=True)
model.eval()

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

# greedy prediction
with torch.no_grad():
    pred_ids = model.generate(**input_features)

# decode token ids to text
transcription = processor.batch_decode(pred_ids)[0]

高級用法

暫未提供高級用法示例，你可以根據基礎用法進行拓展。

📚 詳細文檔

使用方法與其他transformers的ASR模型相同。

📄 許可證

本項目採用MIT許可證。