Japanese Wav2vec2 Large Rs35kh

🚀 japanese-wav2vec2-large-rs35kh

本模型是在大规模日语自动语音识别（ASR）语料库 ReazonSpeech v2.0 上对 wav2vec 2.0 Large 进行微调得到的。它能够有效提升日语语音识别的准确性和性能，为相关语音处理任务提供强大支持。

🚀 快速开始

✨ 主要特性

• 基于大规模日语 ASR 语料库微调，对日语语音识别有更好的效果。
• 可通过 transformers 库方便地调用。

📦 安装指南

文档未提及安装步骤，可参考 transformers 库的官方安装文档进行安装。

💻 使用示例

基础用法

import librosa
import numpy as np
from transformers import AutoProcessor, Wav2Vec2ForCTC

model = Wav2Vec2ForCTC.from_pretrained(
    "reazon-research/japanese-wav2vec2-large-rs35kh",
    torch_dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
).to("cuda")
processor = AutoProcessor.from_pretrained("reazon-research/japanese-wav2vec2-large-rs35kh")

audio, _ = librosa.load(audio_filepath, sr=16_000)
audio = np.pad(audio, pad_width=int(0.5 * 16_000))  # Recommend to pad audio before inference
input_values = processor(
    audio,
    return_tensors="pt",
    sampling_rate=16_000
).input_values.to("cuda").to(torch.bfloat16)

with torch.inference_mode():
    logits = model(input_values).logits.cpu()
predicted_ids = torch.argmax(logits, dim=-1)[0]
transcription = processor.decode(predicted_ids, skip_special_tokens=True)

📚 详细文档

测试结果

我们报告了本模型和其他 wav2vec2 系列模型的字符错误率（CER）。

短语音测试结果

长语音测试结果

🔧 技术细节

本模型基于 wav2vec 2.0 Large 进行微调，使用了大规模的日语 ASR 语料库 ReazonSpeech v2.0。在微调过程中，通过优化模型参数，使其能够更好地适应日语语音的特点，从而提高语音识别的准确性。

📄 许可证

本模型采用 Apaceh Licence 2.0 许可证。

引用信息

@misc{reazon-research-japanese-wav2vec2-large-rs35kh,
  title={japanese-wav2vec2-large-rs35kh},
  author={Sasaki, Yuta},
  url = {https://huggingface.co/reazon-research/japanese-wav2vec2-large-rs35kh},
  year = {2024}
}