无法使用普通语音数据训练 Wav2vec XLSR 模型

【问题标题】：Cannot Train Wav2vec XLSR Model With Common Voice Data无法使用普通语音数据训练 Wav2vec XLSR 模型
【发布时间】：2023-01-07 22:13:38
【问题描述】：

我正在尝试使用丹麦语的 wav2vec XLSR 训练变压器 ASR 模型，但每当我尝试使用数据集库提取丹麦数据集时，它都会给我一个错误。Notebook link

错误日志：

ValueError：未找到 BuilderConfig da。可用：['ab', 'ar', 'as', 'br', 'ca', 'cnh', 'cs', 'cv', 'cy', 'de', 'dv', 'el' , 'en', 'eo', 'es', 'et', 'eu', 'fa', 'fi', 'fr', 'fy-NL', 'ga-IE', 'hi', ' hsb', 'hu', 'ia', 'id', 'it', 'ja', 'ka', 'kab', 'ky', 'lg', 'lt', 'lv', 'mn' , 'mt', 'nl', 'or', 'pa-IN', 'pl', 'pt', 'rm-sursilv', 'rm-vallader', 'ro', 'ru', 'rw' , 'sah', 'sl', 'sv-SE', 'ta', 'th', 'tr', 'tt', 'uk', 'vi', 'vot', 'zh-CN', ' zh-HK', 'zh-TW']

【问题讨论】：

标签： python machine-learning deep-learning speech-recognition voice-recognition

【解决方案1】：

我帮你查过了

丹麦语子集在以下语言中受支持：

普通语音语料库8.0
普通语音语料库9.0

发布。

但是，Hugging Face 的数据集库（版本 2.2.1）使用的是 6.1.0 版本的语料库。您可以通过加载语料库的任何子集并打印数据集信息来检查自己，如下所示：

代码

from datasets import load_dataset

dataset_de = load_dataset("common_voice", "de")
print(dataset_de.info)

输出

Downloading and preparing dataset common_voice/de (download: 21.68 GiB, 
generated: 137.78 MiB, post-processed: Unknown size, total: 21.82 GiB) to 
/root/.cache/huggingface/datasets/common_voice/de/6.1.0/

See the Corpus Details

See the Library

您应该等待库的新版本或向他们的repository 提出请求。

【讨论】：