Lam-Hung/xlsr-english-l2

import librosa
import torch
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

# Đường dẫn đến file wav của bạn
file_path = "19-198-0002.wav"

audio, sr = librosa.load(file_path, sr=16000)

print(f"Dạng dữ liệu: {type(audio)}")
print(f"Sample rate: {sr}")
print(f"Độ dài mảng: {audio.shape}")

# Tải model and processor đã được train
processor_l2 = Wav2Vec2Processor.from_pretrained("Lam-Hung/xlsr-english-l2", sampling_rate=16000)
model_l2 = Wav2Vec2ForCTC.from_pretrained("Lam-Hung/xlsr-english-l2")

# tokenize
input_values_l2 = processor_l2(audio, return_tensors="pt").input_values # type: ignore

with torch.no_grad():
    logits = model_l2(input_values_l2).logits

# Lây argmax and decode
predicted_ids_l2 = torch.argmax(logits, dim=-1)
transcription_l2 = processor_l2.batch_decode(predicted_ids_l2)
for c in transcription_l2[0]:
    print(c, end=' ')