Update README.md

README.md

@@ -3,7 +3,7 @@ language: zh-CN
 datasets:
 - aishell1
 metrics:
-- cer
+- wer
 tags:
 - audio
 - automatic-speech-recognition
@@ -21,8 +21,8 @@ model-index:
       type: aishell1
       args: zh-CN
     metrics:
-       - name: Test CER
-         type: cer
+       - name: Test WER
+         type: wer
          value: 7.04
 ---
 
@@ -31,11 +31,44 @@ model-index:
 Fine-tuned [facebook/wav2vec2-large-xlsr-53](https://huggingface.co/facebook/wav2vec2-large-xlsr-53) on Chinese using the [AISHELL-1](https://github.com/kaldi-asr/kaldi/tree/master/egs/aishell).
 When using this model, make sure that your speech input is sampled at 16kHz.
 
+## Evaluation
+
+```python
+wer_metric = load_metric("wer")
+
+def compute_metrics(pred):
+    pred_logits = pred.predictions
+    pred_ids = np.argmax(pred_logits, axis=-1)
+
+    pred.label_ids[pred.label_ids == -100] = processor.tokenizer.pad_token_id
+
+    pred_str = processor.batch_decode(pred_ids, spaces_between_special_tokens=True)
+    label_str = processor.batch_decode(pred.label_ids, group_tokens=False, spaces_between_special_tokens=True)
+
+    wer = wer_metric.compute(predictions=pred_str, references=label_str)
+
+    return {"wer": wer}
+```
+
+## Results
+
+| Reference  | Prediction |
+| ------------- | ------------- |
+| 据 伟 业 我 爱 我 家 市 场 研 究 院 测 算 | 据 北 业 我 爱 我 家 市 场 研 究 院 测 算 |
+| 七 月 北 京 公 积 金 贷 款 成 交 量 提 升 了 百 分 之 五 | 七 月 北 京 公 积 金 贷 款 成 交 量 提 升 了 百 分 之 五 |
+| 培 育 门 类 丰 富 层 次 齐 用 的 综 合 利 用 产 业 | 培 育 门 类 丰 富 层 资 集 业 的 综 合 利 用 产 业 |
+| 我 们 迎 来 了 赶 超 发 达 国 家 的 难 得 机 遇 | 我 们 迎 来 了 赶 超 发 达 国 家 的 单 得 机 遇 |
+| 坚 持 基 本 草 原 保 护 制 度 | 坚 持 基 本 草 员 保 护 制 度 |
+| 强 化 水 生 生 态 修 复 和 建 设 | 强 化 水 生 生 态 修 复 和 建 设 |
+| 温 州 两 男 子 为 争 女 人 驾 奔 驰 宝 马 街 头 四 次 对 撞 | 温 州 两 男 子 为 争 女 人 架 奔 驰 宝 马 接 头 四 次 对 重 |
+| 她 表 示 应 该 是 吃 吃 饭 看 电 影 之 类 的 | 他 表 示 一 的 是 吃 吃 饭 看 电 影 之 理 |
+| 加 强 畜 禽 遗 传 资 源 和 农 业 野 生 植 物 资 源 保 护 | 加 强 续 紧 遗 传 资 源 和 农 业 野 生 职 物 资 源 保 护 |
+| 两 人 都 是 依 赖 电 话 沟 通 | 两 人 都 是 依 赖 电 话 沟 通 |
 
 **Test Result**:
 
-In the table below I report the Character Error Rate (CER) of the model. I ran the evaluation script described above. 
+In the table below I report the Word Error Rate (WER) of the model on the AISHELL-1 test dataset.
 
-| Model | CER | CER-with-LM |
+| Model | WER | WER-with-LM |
 | ------------- | ------------- | ------------- |
 | qinyue/wav2vec2-large-xlsr-53-chinese-zn-cn-aishell1 | **7.04%** | **3.96%** |