Wav2vec2 Large Xlsr Mvc Swahili

🚀 wav2vec2-large-xlsr-mvc-swahili

本模型是 facebook/wav2vec2-large-xlsr-53 的微调版本，可用于自动语音识别任务，在斯瓦希里语语音识别场景中具有一定的应用价值。

🚀 快速开始

本模型是 facebook/wav2vec2-large-xlsr-53 的微调版本。

💻 使用示例

基础用法

from transformers import AutoProcessor, AutoModelForCTC

repo_name = "eddiegulay/wav2vec2-large-xlsr-mvc-swahili"
processor = AutoProcessor.from_pretrained(repo_name)
model = AutoModelForCTC.from_pretrained(repo_name)

# if you have GPU
# move model to CUDA
model = model.to("cuda")


def transcribe(audio_path):
  # Load the audio file
  audio_input, sample_rate = torchaudio.load(audio_path)
  target_sample_rate = 16000
  audio_input = torchaudio.transforms.Resample(orig_freq=sample_rate, new_freq=target_sample_rate)(audio_input)

  # Preprocess the audio data
  input_dict = processor(audio_input[0], return_tensors="pt", padding=True, sampling_rate=16000)

  # Perform inference and transcribe
  logits = model(input_dict.input_values.to("cuda")).logits
  pred_ids = torch.argmax(logits, dim=-1)[0]
  transcription = processor.decode(pred_ids)

  return transcription

transcript = transcribe('your_audio.mp3')

注意事项

⚠️ 重要提示

词汇表存在问题，似乎包含了特殊字符，而在训练期间并未考虑这些字符。

📄 许可证

本模型使用的许可证为 apache-2.0。

📋 模型信息