🚀 用于说话人识别的Wav2Vec2-Large模型
本模型是基于Wav2Vec2-Large的说话人识别模型,能够精准对语音进行说话人身份分类,在说话人识别领域具有重要应用价值。
🚀 快速开始
本模型可通过音频分类管道使用,也可直接调用模型进行推理。以下是具体使用示例。
✨ 主要特性
📦 安装指南
文档未提供具体安装步骤,暂不展示。
💻 使用示例
基础用法
你可以通过音频分类管道使用该模型:
from datasets import load_dataset
from transformers import pipeline
dataset = load_dataset("anton-l/superb_demo", "si", split="test")
classifier = pipeline("audio-classification", model="superb/wav2vec2-large-superb-sid")
labels = classifier(dataset[0]["file"], top_k=5)
高级用法
也可以直接使用该模型:
import torch
import librosa
from datasets import load_dataset
from transformers import Wav2Vec2ForSequenceClassification, Wav2Vec2FeatureExtractor
def map_to_array(example):
speech, _ = librosa.load(example["file"], sr=16000, mono=True)
example["speech"] = speech
return example
dataset = load_dataset("anton-l/superb_demo", "si", split="test")
dataset = dataset.map(map_to_array)
model = Wav2Vec2ForSequenceClassification.from_pretrained("superb/wav2vec2-large-superb-sid")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/wav2vec2-large-superb-sid")
inputs = feature_extractor(dataset[:2]["speech"], sampling_rate=16000, padding=True, return_tensors="pt")
logits = model(**inputs).logits
predicted_ids = torch.argmax(logits, dim=-1)
labels = [model.config.id2label[_id] for _id in predicted_ids.tolist()]
📚 详细文档
模型描述
这是 S3PRL的Wav2Vec2用于SUPERB说话人识别任务 的移植版本。基础模型是 wav2vec2-large-lv60,它在16kHz采样的语音音频上进行了预训练。使用模型时,请确保输入的语音也采样为16kHz。更多信息请参考 SUPERB: Speech processing Universal PERformance Benchmark。
任务和数据集描述
说话人识别(SI)将每个语音片段分类为其说话人的身份,作为多类分类任务,其中说话人在训练和测试中都在同一个预定义集合中。采用了广泛使用的 VoxCeleb1 数据集。有关原始模型的训练和评估说明,请参考 S3PRL下游任务README。
评估结果
评估指标为准确率。
|
s3prl |
transformers |
test |
0.8614 |
0.8613 |
BibTeX引用和引用信息
@article{yang2021superb,
title={SUPERB: Speech processing Universal PERformance Benchmark},
author={Yang, Shu-wen and Chi, Po-Han and Chuang, Yung-Sung and Lai, Cheng-I Jeff and Lakhotia, Kushal and Lin, Yist Y and Liu, Andy T and Shi, Jiatong and Chang, Xuankai and Lin, Guan-Ting and others},
journal={arXiv preprint arXiv:2105.01051},
year={2021}
}
🔧 技术细节
文档未提供具体技术细节,暂不展示。
📄 许可证
本项目采用Apache 2.0许可证。