橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

wav2vec2-large-xlsr-53-portuguese

jonatasgrosman/wav2vec2-large-xlsr-53-portuguese

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：apache-2.0 上游版本：634ac655299b

中文简介

jonatasgrosman/wav2vec2-large-xlsr-53-portuguese 是 jonatasgrosman 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 634ac655299b，同步到 24 个文件，文件元数据合计 10.51 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 jonatasgrosman/wav2vec2-large-xlsr-53-portuguese 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
jonatasgrosman/wav2vec2-large-xlsr-53-portuguese 是 jonatasgrosman 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 634ac655299b，同步到 24 个文件，文件元数据合计 10.51 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：634ac655299b。 任务标签：语音识别。 语言字段：pt。 架构：Wav2Vec2ForCTC。 库标记：transformers。 模型类型字段：wav2vec2。 上游页面记录的最近更新时间：2022-12-14。

【文件信息】
上游 API 返回 24 个文件，文件元数据合计 10.51 GB。 已保存文件清单中的主要扩展名：.txt 11 个、.json 6 个、.bin 1 个、.binary 1 个、.md 1 个、.msgpack 1 个。 当前较大的文件包括：pytorch_model.bin（1.18 GB）；flax_model.msgpack（1.18 GB）；language_model/lm.binary（1.10 GB）。

【运行或处理环境】
仓库文件元数据合计 10.51 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Fine-tuned XLSR-53 large model for speech recognition in Portuguese Fine-tuned facebook/wav2vec2-large-xlsr-53 on Portuguese using the train and validation splits of Common Voice 6.1. When using this model, make sure that your speech input is sampled at 16kHz. This model has been fine-tuned thanks to the GPU credits generously given by the OVHcloud :) The script used for training can be found here: https://github.com/jonatasgrosman/wav2vec2-sprint Usage The model can be used directly (without a language model) as follows... Using the HuggingSound library: Writing your own inference script: | Reference | Prediction | | ------------- | ------------- | | NEM O RADAR NEM OS OUTROS INSTRUMENTOS DETECTARAM O BOMBARDEIRO STEALTH. | NEMHUM VADAN OS OLTWES INSTRUMENTOS DE TTÉÃN UM BOMBERDEIRO OSTER | | PEDIR DINHEIRO EMPRESTADO ÀS PESSOAS DA ALDEIA | E DIR ENGINHEIRO EMPRESTAR AS PESSOAS DA ALDEIA | | OITO | OITO | | TRANCÁ-LOS | TRANCAUVOS | | REALIZAR UMA INVESTIGAÇÃO PARA RESOLVER O PROBLEMA | REALIZAR UMA INVESTIGAÇÃO PARA RESOLVER O PROBLEMA | | O YOUTUBE AINDA É A MELHOR PLATAFORMA DE VÍDEOS. | YOUTUBE AINDA É A MELHOR PLATAFOMA DE VÍDEOS | | MENINA E MENINO BEIJANDO NAS SOMBRAS | MENINA E MENINO BEIJANDO NAS SOMBRAS | | EU SOU O SENHOR | EU SOU O SENHOR | | DUAS MULHERES QUE SENTAM-SE PARA BAIXO LENDO JORNAIS. | DUAS MIERES QUE SENTAM-SE PARA BAICLANE JODNÓI | | EU ORIGINALMENTE ESPERAVA | EU ORIGINALMENTE ESPERAVA | Evaluation 1. To evaluate on `mozilla-foundation/common_voice_6_0` with split `test` 2. To evaluate on `speech-recognition-community-v2/dev_data` Citation If you want to cite this model you can use this:

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：634ac655299b。 任务标签：语音识别。 语言字段：pt。 架构：Wav2Vec2ForCTC。 库标记：transformers。 模型类型字段：wav2vec2。 上游页面记录的最近更新时间：2022-12-14。

文件说明

上游 API 返回 24 个文件，文件元数据合计 10.51 GB。 已保存文件清单中的主要扩展名：.txt 11 个、.json 6 个、.bin 1 个、.binary 1 个、.md 1 个、.msgpack 1 个。 当前较大的文件包括：pytorch_model.bin（1.18 GB）；flax_model.msgpack（1.18 GB）；language_model/lm.binary（1.10 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes736 B
  • alphabet.json278 B
  • config.json1.74 KB
  • eval.py6.05 KB
  • flax_model.msgpack1.18 GB
  • full_eval.sh1.35 KB
  • language_model/attrs.json78 B
  • language_model/lm.binary1.10 GB
  • language_model/unigrams.txt7.68 MB
  • log_mozilla-foundation_common_voice_6_0_pt_test_predictions.txt221.59 KB
  • log_mozilla-foundation_common_voice_6_0_pt_test_predictions_greedy.txt221.70 KB
  • log_mozilla-foundation_common_voice_6_0_pt_test_targets.txt222.61 KB

硬件建议

仓库文件元数据合计 10.51 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。