|
--- |
|
language: ru |
|
datasets: |
|
- SberDevices/Golos |
|
- common_voice |
|
metrics: |
|
- wer |
|
- cer |
|
tags: |
|
- audio |
|
- automatic-speech-recognition |
|
- speech |
|
- common_voice |
|
- SberDevices/Golos |
|
license: apache-2.0 |
|
model-index: |
|
- name: XLSR Wav2Vec2 Russian with Language Model by Ivan Bondarenko |
|
results: |
|
- task: |
|
name: Speech Recognition |
|
type: automatic-speech-recognition |
|
dataset: |
|
name: Sberdevices Golos (crowd) |
|
type: SberDevices/Golos |
|
args: ru |
|
metrics: |
|
- name: Test WER |
|
type: wer |
|
value: 7.42 |
|
- name: Test CER |
|
type: cer |
|
value: 1.85 |
|
- task: |
|
name: Speech Recognition |
|
type: automatic-speech-recognition |
|
dataset: |
|
name: Sberdevices Golos (farfield) |
|
type: SberDevices/Golos |
|
args: ru |
|
metrics: |
|
- name: Test WER |
|
type: wer |
|
value: 16.08 |
|
- name: Test CER |
|
type: cer |
|
value: 5.27 |
|
- task: |
|
name: Automatic Speech Recognition |
|
type: automatic-speech-recognition |
|
dataset: |
|
name: Common Voice ru |
|
type: common_voice |
|
args: ru |
|
metrics: |
|
- name: Test WER |
|
type: wer |
|
value: 29.75 |
|
- name: Test CER |
|
type: cer |
|
value: 8.15 |
|
--- |
|
# Wav2Vec2-Large-Ru-Golos-With-LM |
|
|
|
Fine-tuned [facebook/wav2vec2-large-xlsr-53](https://huggingface.co/facebook/wav2vec2-large-xlsr-53) on Russian using the [Sberdevices Golos](https://huggingface.co/datasets/SberDevices/Golos). The language model is based on [the Russian National Corpus](https://ruscorpora.ru/), and this model includes unigrams, bigrams and trigrams. |
|
|
|
## Usage |
|
|
|
When using this model, make sure that your speech input is sampled at 16kHz. |
|
|
|
You can use this model by writing your own inference script: |
|
|
|
```python |
|
import os |
|
import warnings |
|
|
|
import librosa |
|
import nltk |
|
import numpy as np |
|
|
|
import torch |
|
from datasets import load_dataset |
|
from transformers import Wav2Vec2ForCTC, Wav2Vec2ProcessorWithLM |
|
|
|
LANG_ID = "ru" |
|
MODEL_ID = "bond005/wav2vec2-large-ru-golos-with-lm" |
|
SAMPLES = 20 |
|
|
|
nltk.download('punkt') |
|
num_processes = max(1, os.cpu_count()) |
|
|
|
test_dataset = load_dataset("common_voice", LANG_ID, split=f"test[:{SAMPLES}]") |
|
processor = Wav2Vec2ProcessorWithLM.from_pretrained(MODEL_ID) |
|
model = Wav2Vec2ForCTC.from_pretrained(MODEL_ID) |
|
|
|
# Preprocessing the datasets. |
|
# We need to read the audio files as arrays |
|
def speech_file_to_array_fn(batch): |
|
speech_array, sampling_rate = librosa.load(batch["path"], sr=16_000) |
|
prepared_sentence = ' '.join(list(filter( |
|
lambda it: it.isalpha(), |
|
nltk.wordpunct_tokenize(batch["sentence"].lower().replace('ё', 'е')) |
|
))) |
|
batch["speech"] = np.asarray(speech_array, dtype=np.float32) |
|
batch["sentence"] = prepared_sentence |
|
return batch |
|
|
|
with warnings.catch_warnings(): |
|
warnings.simplefilter("ignore") |
|
test_dataset = test_dataset.map(speech_file_to_array_fn, num_proc=num_processes) |
|
|
|
inputs = processor(test_dataset["speech"], sampling_rate=16_000, |
|
return_tensors="pt", padding=True) |
|
with torch.no_grad(): |
|
logits = model(inputs.input_values, |
|
attention_mask=inputs.attention_mask).logits |
|
predicted_sentences = processor.batch_decode( |
|
logits=logits.numpy(), |
|
num_processes=num_processes |
|
).text |
|
|
|
with warnings.catch_warnings(): |
|
warnings.simplefilter("ignore") |
|
for i, predicted_sentence in enumerate(predicted_sentences): |
|
print("-" * 100) |
|
print("Reference:", test_dataset[i]["sentence"]) |
|
print("Prediction:", predicted_sentence) |
|
``` |
|
|
|
```text |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: я беру маленький кусочек бумажки |
|
Prediction: либерман чик сочи бумажки |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: о потерях пока не сообщается |
|
Prediction: о потерях пока не сообщается оооо |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: ваша воля |
|
Prediction: ваша воля |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: мы высоко ценим ее роль в этом отношении |
|
Prediction: урс ока цене не роль в этом отношении |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: вот это вызывало у нас жуткое отторжение |
|
Prediction: от это вызвал у нас жутко отторжения |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: он положил ей букет на книгу |
|
Prediction: он положил букет на книгу |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: ну и положу обиделась женя |
|
Prediction: ну я положу обиделась женя |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: благодарю представителя австралии за ее заявление |
|
Prediction: богатырю представитель австралии зае заявления |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: для меня это не было неожиданностью |
|
Prediction: дай мне это не было неожиданностью |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: поздняя ночь |
|
Prediction: поздняя ночь |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: тем не менее нужно вновь вычленить некоторые элементы наших политических установок |
|
Prediction: тем не менее нужно мыслить снег корыэлементанажихпалиотических установок |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: мы не можем позволить себе упустить эту возможность |
|
Prediction: мы не можем под болить чи опустить эту возможность |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: в предстоящие месяцы суд примет решение по ордеру на арест министра обороны хусейна |
|
Prediction: в предстоящие месяцы суд примет решение по ордеру на арест министра обороны хусейна |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: валерия живет в старом панельном доме советских времен |
|
Prediction: валерия живето в старом панель тона советских времян |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: я вернусь скоро |
|
Prediction: я вернусь скоро |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: слово предоставляется его превосходительству принцу зайду |
|
Prediction: слово предоставляется его превосходительство принцу зайду |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: ну конечно тебе бы этого хотелось |
|
Prediction: ну конечно тебе этого хотелось |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: общественные объединения равны перед законом |
|
Prediction: общественные объединения равны перед законом |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: ну что же нету этики эстетики |
|
Prediction: ну что же не то натеки невротики |
|
---------------------------------------------------------------------------------------------------- |
|
Reference: сразу же она легла в постель |
|
Prediction: сразу же она легла в пасти |
|
``` |
|
|
|
|
|
The Google Colab version of [this script](https://colab.research.google.com/drive/1SnQmrt6HmMNV-zK-UCPajuwl1JvoCqbX?usp=sharing) is available too. |
|
|
|
## Evaluation |
|
This model was evaluated on the test subsets of [SberDevices Golos](https://huggingface.co/datasets/SberDevices/Golos) and [Common Voice 6.0](https://huggingface.co/datasets/common_voice) (Russian part), but it was trained on the train subset of SberDevices Golos only. |
|
|
|
## Citation |
|
If you want to cite this model you can use this: |
|
|
|
```bibtex |
|
@misc{bondarenko2022wav2vec2-large-ru-golos, |
|
title={XLSR Wav2Vec2 Russian with 3-gram Language Model by Ivan Bondarenko}, |
|
author={Bondarenko, Ivan}, |
|
publisher={Hugging Face}, |
|
journal={Hugging Face Hub}, |
|
howpublished={\url{https://huggingface.co/bond005/wav2vec2-large-ru-golos-with-lm}}, |
|
year={2022} |
|
} |
|
``` |
