Wav2vec2 Xls R 300m Cs 250

🚀 捷克语wav2vec2-xls-r-300m-cs-250

这个模型是基于 facebook/wav2vec2-xls-r-300m 在Common Voice 8.0数据集以及其他以下列出的数据集上进行微调的版本。它在自动语音识别任务中表现出色，能够将语音准确地转换为文本，为相关领域的应用提供了有力支持。

🚀 快速开始

模型使用

该模型可以直接使用（无需语言模型），示例代码如下：

import torch
import torchaudio
from datasets import load_dataset
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

test_dataset = load_dataset("mozilla-foundation/common_voice_8_0", "cs", split="test[:2%]")

processor = Wav2Vec2Processor.from_pretrained("comodoro/wav2vec2-xls-r-300m-cs-250")
model = Wav2Vec2ForCTC.from_pretrained("comodoro/wav2vec2-xls-r-300m-cs-250")

resampler = torchaudio.transforms.Resample(48_000, 16_000)

# Preprocessing the datasets.
# We need to read the aduio files as arrays
def speech_file_to_array_fn(batch):
	speech_array, sampling_rate = torchaudio.load(batch["path"])
	batch["speech"] = resampler(speech_array).squeeze().numpy()
	return batch

test_dataset = test_dataset.map(speech_file_to_array_fn)
inputs = processor(test_dataset[:2]["speech"], sampling_rate=16_000, return_tensors="pt", padding=True)

with torch.no_grad():
	logits = model(inputs.input_values, attention_mask=inputs.attention_mask).logits

predicted_ids = torch.argmax(logits, dim=-1)

print("Prediction:", processor.batch_decode(predicted_ids))
print("Reference:", test_dataset[:2]["sentence"])

模型评估

可以使用附带的 eval.py 脚本对模型进行评估：

python eval.py --model_id comodoro/wav2vec2-xls-r-300m-cs-250 --dataset mozilla-foundation/common-voice_8_0 --split test --config cs

✨ 主要特性

• 基于 facebook/wav2vec2-xls-r-300m 模型进行微调，在捷克语语音识别任务上有良好表现。
• 支持直接使用，无需额外的语言模型。
• 可通过 eval.py 脚本进行评估。

📦 训练和评估数据

训练使用了Common Voice 8.0的 train 和 validation 数据集，以及以下数据集：

• Šmídl, Luboš和Pražák, Aleš, 2013, OVM – Otázky Václava Moravce, LINDAT/CLARIAH - CZ数字图书馆，形式与应用语言学研究所 (ÚFAL)，数学与物理学院，查尔斯大学，http://hdl.handle.net/11858/00 - 097C - 0000 - 000D - EC98 - 3。
• Pražák, Aleš和Šmídl, Luboš, 2012, 捷克议会会议记录, LINDAT/CLARIAH - CZ数字图书馆，形式与应用语言学研究所 (ÚFAL)，数学与物理学院，查尔斯大学，http://hdl.handle.net/11858/00 - 097C - 0000 - 0005 - CF9C - 4。
• Plátek, Ondřej; Dušek, Ondřej和Jurčíček, Filip, 2016, Vystadial 2016 – 捷克语数据, LINDAT/CLARIAH - CZ数字图书馆，形式与应用语言学研究所 (ÚFAL)，数学与物理学院，查尔斯大学，http://hdl.handle.net/11234/1 - 1740。

训练超参数

训练过程中使用了以下超参数：

训练结果

框架版本

• Transformers 4.16.2
• Pytorch 1.10.1+cu102
• Datasets 1.18.3
• Tokenizers 0.11.0

📄 许可证

本项目采用Apache 2.0许可证。