🔥 Trending today
Making automatic speech recognition work on large files with Wav2Vec2 in 🤗 Transformers
Hugging Face Blog1582d agoTutorial傳統 Wav2Vec2 等語音模型因自注意力機制的記憶體複雜度限制，難以直接處理長音檔。Hugging Face 推出分塊（Chunking）與重疊步長（Stride）技術，將長音訊切片處理後無縫拼接。此功能已整合至 Transformers 的 ASR Pipeline 中，開發者只需設定簡單參數即可實現高效且精準的長語音轉文字。
Boosting Wav2Vec2 with n-grams in 🤗 Transformers
Hugging Face Blog1602d agoTutorialHugging Face 推出整合 pyctcdecode 的新功能，讓開發者能輕鬆將 n-gram 語言模型與 Wav2Vec2 結合。 此方法能有效修正 Wav2Vec2 在 CTC 解碼時產生的拼寫錯誤，顯著降低語音識別的字錯率（WER）。 本指南提供完整的實作步驟，展示如何載入預訓練語言模型並應用於多語系的語音識別任務。
Fine-Tune XLSR-Wav2Vec2 for low-resource ASR with 🤗 Transformers
Hugging Face Blog1660d agoTutorial本教學詳細介紹如何利用 Hugging Face Transformers 庫，針對缺乏訓練數據的低資源語言微調 Meta 的 XLSR-Wav2Vec2 語音模型。內容涵蓋從 Common Voice 數據集下載、音訊預處理、建立專屬 Tokenizer，到使用 CTC 損失函數進行模型訓練的完整工作流。對於想在特定方言或少數語言上實現高精度語音辨識（ASR）的開發者與研究人員，這是極具價值的實戰指南。
Fine-Tune Wav2Vec2 for English ASR in Hugging Face with 🤗 Transformers★ 70
Hugging Face Blog1908d agoTutorial本指南詳細介紹如何利用 🤗 Transformers 與 Datasets 庫微調 Meta 的 Wav2Vec2 模型以進行英文語音辨識（ASR）。教學涵蓋了語音數據預處理（重採樣至 16kHz）、使用 CTC 損失函數、配置 Wav2Vec2Processor，以及使用 Trainer API 進行模型訓練與字錯率（WER）評估，是語音 AI 領域的經典必讀教學。