Wav2vec2 Russian

🚀 wav2vec2-russian

这是一个用于音频识别的模型。该模型的识别结果可以进一步通过另一个文本纠错网络 UrukHan/t5-russian-spell 进行处理。

🚀 快速开始

运行网络示例

你可以在 Colab 中查看运行示例：点击查看。以下是具体代码：

from transformers import AutoModelForCTC, Wav2Vec2Processor
model = AutoModelForCTC.from_pretrained("UrukHan/wav2vec2-russian")
processor = Wav2Vec2Processor.from_pretrained("UrukHan/wav2vec2-russian")
def map_to_result(batch):
  with torch.no_grad():
    input_values = torch.tensor(batch["input_values"]).unsqueeze(0) #, device="cuda"
    logits = model(input_values).logits
  pred_ids = torch.argmax(logits, dim=-1)
  batch = processor.batch_decode(pred_ids)[0]
  return batch
 
map_to_result()

模型训练

你可以在 Colab 中查看模型训练、数据处理和创建数据集的相关内容：点击查看。

✨ 主要特性

该模型可用于音频识别，并且识别结果可通过 UrukHan/t5-russian-spell 网络进行文本纠错、标点符号调整和数字修正。以下是模型输出与纠错网络输出的对比示例：

📚 详细文档

你可以上传 wav 格式的音频文件进行识别。识别结果可通过另一个网络进行修正，该网络能纠正错误、添加标点符号并修正数字。点击访问纠错网络。

此外，你还可以通过以下链接试听示例音频：示例音频。