Viwav2vec2 Base 3k

🚀 基于3000小时越南语语音训练的Wav2Vec2基础模型

该基础模型在越南语语音语料库的16kHz采样语音音频上进行预训练，语料库包含3000小时的自发、朗读和广播语音。使用该模型时，请确保您的语音输入也是16kHz采样。请注意，此模型应在下游任务（如越南语自动语音识别）上进行微调。

🚀 快速开始

本模型是在包含3000小时越南语自发、朗读和广播语音的语料库上进行预训练的，语音音频采样率为16kHz。使用该模型时，请确保您的语音输入同样为16kHz采样。需要注意的是，该模型需要在下游任务（如越南语自动语音识别）上进行微调。

⚠️ 重要提示

此模型没有分词器，因为它仅在音频上进行了预训练。若要使用该模型进行语音识别，需要创建一个分词器，并在带标签的文本数据上对模型进行微调。更多关于如何微调模型的详细解释，请查看此博客。

💡 使用建议

可以参考Facebook的Wav2Vec2博客和相关论文，以深入了解模型原理。

💻 使用示例

基础用法

import torch
from transformers import Wav2Vec2Model

model = Wav2Vec2Model.from_pretrained("dragonSwing/viwav2vec2-base-3k")

# 健全性检查
inputs = torch.rand([1, 16000])
outputs = model(inputs)

更多信息

有关如何微调英语预训练模型的更多信息，请查看此笔记本。

📄 许可证

本项目采用CC BY-SA 4.0许可证。