Viwav2vec2 Base 1.5k

🚀 基于1500小时越南语语音训练的Wav2Vec2基础模型

本基础模型在包含1500小时朗读和广播语音的越南语语音语料库上进行预训练，该语料库的语音音频采样率为16kHz。使用该模型时，请确保输入的语音采样率同样为16kHz。请注意，此模型需要在下游任务（如越南语自动语音识别）上进行微调。

🚀 快速开始

本基础模型在采样率为16kHz的越南语语音音频上进行了预训练，这些音频来自包含1500小时朗读和广播语音的越南语语音语料库。使用模型时，请确保您的语音输入采样率也为16kHz。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。

注意：此模型没有分词器，因为它仅在音频上进行了预训练。若要将此模型用于语音识别，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。请查看此博客，以获取关于如何微调该模型的详细解释。 Facebook的Wav2Vec2博客 论文

💻 使用示例

基础用法

import torch
from transformers import Wav2Vec2Model

model = Wav2Vec2Model.from_pretrained("dragonSwing/viwav2vec2-base-1.5k")

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

如需了解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。