Japanese Wav2vec2 Base Rs35kh

🚀 japanese-wav2vec2-base-rs35kh

本模型是在大規模日語自動語音識別（ASR）語料庫 ReazonSpeech v2.0 上微調的 wav2vec 2.0 Base 模型。

🚀 快速開始

✨ 主要特性

• 基於 transformers 庫，可方便快捷地使用該模型。
• 在大規模日語 ASR 語料庫上進行了微調，適用於日語自動語音識別任務。

📦 安裝指南

文檔未提及安裝步驟，此部分跳過。

💻 使用示例

基礎用法

import librosa
import numpy as np
from transformers import AutoProcessor, Wav2Vec2ForCTC

model = Wav2Vec2ForCTC.from_pretrained(
    "reazon-research/japanese-wav2vec2-base-rs35kh",
    torch_dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
).to("cuda")
processor = AutoProcessor.from_pretrained("reazon-research/japanese-wav2vec2-base-rs35kh")

audio, _ = librosa.load(audio_filepath, sr=16_000)
audio = np.pad(audio, pad_width=int(0.5 * 16_000))  # Recommend to pad audio before inference
input_values = processor(
    audio,
    return_tensors="pt",
    sampling_rate=16_000
).input_values.to("cuda").to(torch.bfloat16)

with torch.inference_mode():
    logits = model(input_values).logits.cpu()
predicted_ids = torch.argmax(logits, dim=-1)[0]
transcription = processor.decode(predicted_ids, skip_special_tokens=True)

📚 詳細文檔

測試結果

我們報告了本模型和其他 wav2vec2 系列模型的字符錯誤率（CER）。

常規語音測試結果

長語音測試結果

🔧 技術細節

文檔未提供具體的技術實現細節，此部分跳過。

📄 許可證

本模型使用 Apache 許可證 2.0。

📖 引用格式

@misc{reazon-research-japanese-wav2vec2-base-rs35kh,
  title={japanese-wav2vec2-base-rs35kh},
  author={Sasaki, Yuta},
  url = {https://huggingface.co/reazon-research/japanese-wav2vec2-base-rs35kh},
  year = {2024}
}