Izanami Wav2vec2 Large

🚀 imprt/izanami-wav2vec2-large

这是一个日语wav2vec 2.0大型模型，它使用从大规模日语电视广播音频数据中通过语音活动检测提取的62215小时音频进行预训练。该模型使用官方仓库中的代码进行训练。

🚀 快速开始

在下载此模型前，请阅读LICENSE。

✨ 主要特性

• 基于大规模日语电视广播音频数据进行预训练，时长达到62215小时。
• 采用wav2vec 2.0架构，适用于特征提取任务。

📦 安装指南

文档未提及安装步骤，故跳过该章节。

💻 使用示例

基础用法

import soundfile as sf
from transformers import AutoFeatureExtractor
model = "imprt/izanami-wav2vec2-large"
feature_extractor = AutoFeatureExtractor.from_pretrained(model)
audio_file="/path/to/16k_audio_file"
audio_input, sr = sf.read(audio_file)
feature_extractor(audio_input, sampling_rate=sr)

📚 详细文档

文档未提供详细说明，故跳过该章节。

🔧 技术细节

文档未提供技术实现细节，故跳过该章节。

📄 许可证

使用此模型时，请阅读LICENSE。

📚 参考文献

@inproceedings{NEURIPS2020_92d1e1eb,
    author = {Baevski, Alexei and Zhou, Yuhao and Mohamed, Abdelrahman and Auli, Michael},
    booktitle = {Advances in Neural Information Processing Systems},
    editor = {H. Larochelle and M. Ranzato and R. Hadsell and M.F. Balcan and H. Lin},
    pages = {12449--12460},
    publisher = {Curran Associates, Inc.},
    title = {wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations},
    url = {https://proceedings.neurips.cc/paper_files/paper/2020/file/92d1e1eb1cd6f9fba3227870bb6d7f07-Paper.pdf},
    volume = {33},
    year = {2020}
}

模型信息表格

重要提示

⚠️ 重要提示

下载此模型前，请阅读LICENSE。

💡 使用建议

请按照使用示例中的代码进行操作，确保音频文件为16k采样率。