Hugging Face Blog·· 2022-02-01AI 评分33
在 🤗 Transformers 中使用 Wav2Vec2 处理大文件自动语音识别
Making automatic speech recognition work on large files with Wav2Vec2 in 🤗 Transformers
AI 导读
Wav2Vec2 利用 CTC 架构特性，通过分块与步长（stride）技术实现超长音频或实时语音识别。该方法将音频切分为重叠片段，丢弃边缘预测结果后拼接，从而在有限显存下避免 O(n²) 复杂度爆炸。用户只需在 pipeline 中设置 chunk_length_s 即可直接处理任意长度音频。
来源：Hugging Face Blog · huggingface.co