Massively Multilingual Speech (MMS) - Finetuned ASR - ALL

This checkpoint is a model fine-tuned for multi-lingual ASR and part of Facebook's Massive Multilingual Speech project. This checkpoint is based on the Wav2Vec2 architecture and makes use of adapter models to transcribe 1000+ languages. The checkpoint consists of 1 billion parameters and has been fine-tuned from facebook/mms-1b on 1162 languages.

Table Of Content

Example

This MMS checkpoint can be used with Transformers to transcribe audio of 1107 different languages. Let's look at a simple example.

First, we install transformers and some other libraries

pip install torch accelerate torchaudio datasets
pip install --upgrade transformers

Note: In order to use MMS you need to have at least transformers >= 4.30 installed. If the 4.30 version is not yet available on PyPI make sure to install transformers from source:

pip install git+https://github.com/huggingface/transformers.git

Next, we load a couple of audio samples via datasets. Make sure that the audio data is sampled to 16000 kHz.

from datasets import load_dataset, Audio

# English
stream_data = load_dataset("mozilla-foundation/common_voice_13_0", "en", split="test", streaming=True)
stream_data = stream_data.cast_column("audio", Audio(sampling_rate=16000))
en_sample = next(iter(stream_data))["audio"]["array"]

# French
stream_data = load_dataset("mozilla-foundation/common_voice_13_0", "fr", split="test", streaming=True)
stream_data = stream_data.cast_column("audio", Audio(sampling_rate=16000))
fr_sample = next(iter(stream_data))["audio"]["array"]

Next, we load the model and processor

from transformers import Wav2Vec2ForCTC, AutoProcessor
import torch

model_id = "facebook/mms-1b-all"

processor = AutoProcessor.from_pretrained(model_id)
model = Wav2Vec2ForCTC.from_pretrained(model_id)

Now we process the audio data, pass the processed audio data to the model and transcribe the model output, just like we usually do for Wav2Vec2 models such as facebook/wav2vec2-base-960h

inputs = processor(en_sample, sampling_rate=16_000, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs).logits

ids = torch.argmax(outputs, dim=-1)[0]
transcription = processor.decode(ids)
# 'joe keton disapproved of films and buster also had reservations about the media'

We can now keep the same model in memory and simply switch out the language adapters by calling the convenient load_adapter() function for the model and set_target_lang() for the tokenizer. We pass the target language as an input - "fra" for French.

processor.tokenizer.set_target_lang("fra")
model.load_adapter("fra")

inputs = processor(fr_sample, sampling_rate=16_000, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs).logits

ids = torch.argmax(outputs, dim=-1)[0]
transcription = processor.decode(ids)
# "ce dernier est volé tout au long de l'histoire romaine"

In the same way the language can be switched out for all other supported languages. Please have a look at:

processor.tokenizer.vocab.keys()

For more details, please have a look at the official docs.

Supported Languages

This model supports 1162 languages. Unclick the following to toogle all supported languages of this checkpoint in ISO 639-3 code. You can find more details about the languages and their ISO 649-3 codes in the MMS Language Coverage Overview.

Click to toggle
  • abi
  • abk
  • abp
  • aca
  • acd
  • ace
  • acf
  • ach
  • acn
  • acr
  • acu
  • ade
  • adh
  • adj
  • adx
  • aeu
  • afr
  • agd
  • agg
  • agn
  • agr
  • agu
  • agx
  • aha
  • ahk
  • aia
  • aka
  • akb
  • ake
  • akp
  • alj
  • alp
  • alt
  • alz
  • ame
  • amf
  • amh
  • ami
  • amk
  • ann
  • any
  • aoz
  • apb
  • apr
  • ara
  • arl
  • asa
  • asg
  • asm
  • ast
  • ata
  • atb
  • atg
  • ati
  • atq
  • ava
  • avn
  • avu
  • awa
  • awb
  • ayo
  • ayr
  • ayz
  • azb
  • azg
  • azj-script_cyrillic
  • azj-script_latin
  • azz
  • bak
  • bam
  • ban
  • bao
  • bas
  • bav
  • bba
  • bbb
  • bbc
  • bbo
  • bcc-script_arabic
  • bcc-script_latin
  • bcl
  • bcw
  • bdg
  • bdh
  • bdq
  • bdu
  • bdv
  • beh
  • bel
  • bem
  • ben
  • bep
  • bex
  • bfa
  • bfo
  • bfy
  • bfz
  • bgc
  • bgq
  • bgr
  • bgt
  • bgw
  • bha
  • bht
  • bhz
  • bib
  • bim
  • bis
  • biv
  • bjr
  • bjv
  • bjw
  • bjz
  • bkd
  • bkv
  • blh
  • blt
  • blx
  • blz
  • bmq
  • bmr
  • bmu
  • bmv
  • bng
  • bno
  • bnp
  • boa
  • bod
  • boj
  • bom
  • bor
  • bos
  • bov
  • box
  • bpr
  • bps
  • bqc
  • bqi
  • bqj
  • bqp
  • bre
  • bru
  • bsc
  • bsq
  • bss
  • btd
  • bts
  • btt
  • btx
  • bud
  • bul
  • bus
  • bvc
  • bvz
  • bwq
  • bwu
  • byr
  • bzh
  • bzi
  • bzj
  • caa
  • cab
  • cac-dialect_sanmateoixtatan
  • cac-dialect_sansebastiancoatan
  • cak-dialect_central
  • cak-dialect_santamariadejesus
  • cak-dialect_santodomingoxenacoj
  • cak-dialect_southcentral
  • cak-dialect_western
  • cak-dialect_yepocapa
  • cap
  • car
  • cas
  • cat
  • cax
  • cbc
  • cbi
  • cbr
  • cbs
  • cbt
  • cbu
  • cbv
  • cce
  • cco
  • cdj
  • ceb
  • ceg
  • cek
  • ces
  • cfm
  • cgc
  • che
  • chf
  • chv
  • chz
  • cjo
  • cjp
  • cjs
  • ckb
  • cko
  • ckt
  • cla
  • cle
  • cly
  • cme
  • cmn-script_simplified
  • cmo-script_khmer
  • cmo-script_latin
  • cmr
  • cnh
  • cni
  • cnl
  • cnt
  • coe
  • cof
  • cok
  • con
  • cot
  • cou
  • cpa
  • cpb
  • cpu
  • crh
  • crk-script_latin
  • crk-script_syllabics
  • crn
  • crq
  • crs
  • crt
  • csk
  • cso
  • ctd
  • ctg
  • cto
  • ctu
  • cuc
  • cui
  • cuk
  • cul
  • cwa
  • cwe
  • cwt
  • cya
  • cym
  • daa
  • dah
  • dan
  • dar
  • dbj
  • dbq
  • ddn
  • ded
  • des
  • deu
  • dga
  • dgi
  • dgk
  • dgo
  • dgr
  • dhi
  • did
  • dig
  • dik
  • dip
  • div
  • djk
  • dnj-dialect_blowowest
  • dnj-dialect_gweetaawueast
  • dnt
  • dnw
  • dop
  • dos
  • dsh
  • dso
  • dtp
  • dts
  • dug
  • dwr
  • dyi
  • dyo
  • dyu
  • dzo
  • eip
  • eka
  • ell
  • emp
  • enb
  • eng
  • enx
  • epo
  • ese
  • ess
  • est
  • eus
  • evn
  • ewe
  • eza
  • fal
  • fao
  • far
  • fas
  • fij
  • fin
  • flr
  • fmu
  • fon
  • fra
  • frd
  • fry
  • ful
  • gag-script_cyrillic
  • gag-script_latin
  • gai
  • gam
  • gau
  • gbi
  • gbk
  • gbm
  • gbo
  • gde
  • geb
  • gej
  • gil
  • gjn
  • gkn
  • gld
  • gle
  • glg
  • glk
  • gmv
  • gna
  • gnd
  • gng
  • gof-script_latin
  • gog
  • gor
  • gqr
  • grc
  • gri
  • grn
  • grt
  • gso
  • gub
  • guc
  • gud
  • guh
  • guj
  • guk
  • gum
  • guo
  • guq
  • guu
  • gux
  • gvc
  • gvl
  • gwi
  • gwr
  • gym
  • gyr
  • had
  • hag
  • hak
  • hap
  • hat
  • hau
  • hay
  • heb
  • heh
  • hif
  • hig
  • hil
  • hin
  • hlb
  • hlt
  • hne
  • hnn
  • hns
  • hoc
  • hoy
  • hrv
  • hsb
  • hto
  • hub
  • hui
  • hun
  • hus-dialect_centralveracruz
  • hus-dialect_westernpotosino
  • huu
  • huv
  • hvn
  • hwc
  • hye
  • hyw
  • iba
  • ibo
  • icr
  • idd
  • ifa
  • ifb
  • ife
  • ifk
  • ifu
  • ify
  • ign
  • ikk
  • ilb
  • ilo
  • imo
  • ina
  • inb
  • ind
  • iou
  • ipi
  • iqw
  • iri
  • irk
  • isl
  • ita
  • itl
  • itv
  • ixl-dialect_sangasparchajul
  • ixl-dialect_sanjuancotzal
  • ixl-dialect_santamarianebaj
  • izr
  • izz
  • jac
  • jam
  • jav
  • jbu
  • jen
  • jic
  • jiv
  • jmc
  • jmd
  • jpn
  • jun
  • juy
  • jvn
  • kaa
  • kab
  • kac
  • kak
  • kam
  • kan
  • kao
  • kaq
  • kat
  • kay
  • kaz
  • kbo
  • kbp
  • kbq
  • kbr
  • kby
  • kca
  • kcg
  • kdc
  • kde
  • kdh
  • kdi
  • kdj
  • kdl
  • kdn
  • kdt
  • kea
  • kek
  • ken
  • keo
  • ker
  • key
  • kez
  • kfb
  • kff-script_telugu
  • kfw
  • kfx
  • khg
  • khm
  • khq
  • kia
  • kij
  • kik
  • kin
  • kir
  • kjb
  • kje
  • kjg
  • kjh
  • kki
  • kkj
  • kle
  • klu
  • klv
  • klw
  • kma
  • kmd
  • kml
  • kmr-script_arabic
  • kmr-script_cyrillic
  • kmr-script_latin
  • kmu
  • knb
  • kne
  • knf
  • knj
  • knk
  • kno
  • kog
  • kor
  • kpq
  • kps
  • kpv
  • kpy
  • kpz
  • kqe
  • kqp
  • kqr
  • kqy
  • krc
  • kri
  • krj
  • krl
  • krr
  • krs
  • kru
  • ksb
  • ksr
  • kss
  • ktb
  • ktj
  • kub
  • kue
  • kum
  • kus
  • kvn
  • kvw
  • kwd
  • kwf
  • kwi
  • kxc
  • kxf
  • kxm
  • kxv
  • kyb
  • kyc
  • kyf
  • kyg
  • kyo
  • kyq
  • kyu
  • kyz
  • kzf
  • lac
  • laj
  • lam
  • lao
  • las
  • lat
  • lav
  • law
  • lbj
  • lbw
  • lcp
  • lee
  • lef
  • lem
  • lew
  • lex
  • lgg
  • lgl
  • lhu
  • lia
  • lid
  • lif
  • lin
  • lip
  • lis
  • lit
  • lje
  • ljp
  • llg
  • lln
  • lme
  • lnd
  • lns
  • lob
  • lok
  • lom
  • lon
  • loq
  • lsi
  • lsm
  • ltz
  • luc
  • lug
  • luo
  • lwo
  • lww
  • lzz
  • maa-dialect_sanantonio
  • maa-dialect_sanjeronimo
  • mad
  • mag
  • mah
  • mai
  • maj
  • mak
  • mal
  • mam-dialect_central
  • mam-dialect_northern
  • mam-dialect_southern
  • mam-dialect_western
  • maq
  • mar
  • maw
  • maz
  • mbb
  • mbc
  • mbh
  • mbj
  • mbt
  • mbu
  • mbz
  • mca
  • mcb
  • mcd
  • mco
  • mcp
  • mcq
  • mcu
  • mda
  • mdf
  • mdv
  • mdy
  • med
  • mee
  • mej
  • men
  • meq
  • met
  • mev
  • mfe
  • mfh
  • mfi
  • mfk
  • mfq
  • mfy
  • mfz
  • mgd
  • mge
  • mgh
  • mgo
  • mhi
  • mhr
  • mhu
  • mhx
  • mhy
  • mib
  • mie
  • mif
  • mih
  • mil
  • mim
  • min
  • mio
  • mip
  • miq
  • mit
  • miy
  • miz
  • mjl
  • mjv
  • mkd
  • mkl
  • mkn
  • mlg
  • mlt
  • mmg
  • mnb
  • mnf
  • mnk
  • mnw
  • mnx
  • moa
  • mog
  • mon
  • mop
  • mor
  • mos
  • mox
  • moz
  • mpg
  • mpm
  • mpp
  • mpx
  • mqb
  • mqf
  • mqj
  • mqn
  • mri
  • mrw
  • msy
  • mtd
  • mtj
  • mto
  • muh
  • mup
  • mur
  • muv
  • muy
  • mvp
  • mwq
  • mwv
  • mxb
  • mxq
  • mxt
  • mxv
  • mya
  • myb
  • myk
  • myl
  • myv
  • myx
  • myy
  • mza
  • mzi
  • mzj
  • mzk
  • mzm
  • mzw
  • nab
  • nag
  • nan
  • nas
  • naw
  • nca
  • nch
  • ncj
  • ncl
  • ncu
  • ndj
  • ndp
  • ndv
  • ndy
  • ndz
  • neb
  • new
  • nfa
  • nfr
  • nga
  • ngl
  • ngp
  • ngu
  • nhe
  • nhi
  • nhu
  • nhw
  • nhx
  • nhy
  • nia
  • nij
  • nim
  • nin
  • nko
  • nlc
  • nld
  • nlg
  • nlk
  • nmz
  • nnb
  • nno
  • nnq
  • nnw
  • noa
  • nob
  • nod
  • nog
  • not
  • npi
  • npl
  • npy
  • nso
  • nst
  • nsu
  • ntm
  • ntr
  • nuj
  • nus
  • nuz
  • nwb
  • nxq
  • nya
  • nyf
  • nyn
  • nyo
  • nyy
  • nzi
  • obo
  • oci
  • ojb-script_latin
  • ojb-script_syllabics
  • oku
  • old
  • omw
  • onb
  • ood
  • orm
  • ory
  • oss
  • ote
  • otq
  • ozm
  • pab
  • pad
  • pag
  • pam
  • pan
  • pao
  • pap
  • pau
  • pbb
  • pbc
  • pbi
  • pce
  • pcm
  • peg
  • pez
  • pib
  • pil
  • pir
  • pis
  • pjt
  • pkb
  • pls
  • plw
  • pmf
  • pny
  • poh-dialect_eastern
  • poh-dialect_western
  • poi
  • pol
  • por
  • poy
  • ppk
  • pps
  • prf
  • prk
  • prt
  • pse
  • pss
  • ptu
  • pui
  • pus
  • pwg
  • pww
  • pxm
  • qub
  • quc-dialect_central
  • quc-dialect_east
  • quc-dialect_north
  • quf
  • quh
  • qul
  • quw
  • quy
  • quz
  • qvc
  • qve
  • qvh
  • qvm
  • qvn
  • qvo
  • qvs
  • qvw
  • qvz
  • qwh
  • qxh
  • qxl
  • qxn
  • qxo
  • qxr
  • rah
  • rai
  • rap
  • rav
  • raw
  • rej
  • rel
  • rgu
  • rhg
  • rif-script_arabic
  • rif-script_latin
  • ril
  • rim
  • rjs
  • rkt
  • rmc-script_cyrillic
  • rmc-script_latin
  • rmo
  • rmy-script_cyrillic
  • rmy-script_latin
  • rng
  • rnl
  • roh-dialect_sursilv
  • roh-dialect_vallader
  • rol
  • ron
  • rop
  • rro
  • rub
  • ruf
  • rug
  • run
  • rus
  • sab
  • sag
  • sah
  • saj
  • saq
  • sas
  • sat
  • sba
  • sbd
  • sbl
  • sbp
  • sch
  • sck
  • sda
  • sea
  • seh
  • ses
  • sey
  • sgb
  • sgj
  • sgw
  • shi
  • shk
  • shn
  • sho
  • shp
  • sid
  • sig
  • sil
  • sja
  • sjm
  • sld
  • slk
  • slu
  • slv
  • sml
  • smo
  • sna
  • snd
  • sne
  • snn
  • snp
  • snw
  • som
  • soy
  • spa
  • spp
  • spy
  • sqi
  • sri
  • srm
  • srn
  • srp-script_cyrillic
  • srp-script_latin
  • srx
  • stn
  • stp
  • suc
  • suk
  • sun
  • sur
  • sus
  • suv
  • suz
  • swe
  • swh
  • sxb
  • sxn
  • sya
  • syl
  • sza
  • tac
  • taj
  • tam
  • tao
  • tap
  • taq
  • tat
  • tav
  • tbc
  • tbg
  • tbk
  • tbl
  • tby
  • tbz
  • tca
  • tcc
  • tcs
  • tcz
  • tdj
  • ted
  • tee
  • tel
  • tem
  • teo
  • ter
  • tes
  • tew
  • tex
  • tfr
  • tgj
  • tgk
  • tgl
  • tgo
  • tgp
  • tha
  • thk
  • thl
  • tih
  • tik
  • tir
  • tkr
  • tlb
  • tlj
  • tly
  • tmc
  • tmf
  • tna
  • tng
  • tnk
  • tnn
  • tnp
  • tnr
  • tnt
  • tob
  • toc
  • toh
  • tom
  • tos
  • tpi
  • tpm
  • tpp
  • tpt
  • trc
  • tri
  • trn
  • trs
  • tso
  • tsz
  • ttc
  • tte
  • ttq-script_tifinagh
  • tue
  • tuf
  • tuk-script_arabic
  • tuk-script_latin
  • tuo
  • tur
  • tvw
  • twb
  • twe
  • twu
  • txa
  • txq
  • txu
  • tye
  • tzh-dialect_bachajon
  • tzh-dialect_tenejapa
  • tzj-dialect_eastern
  • tzj-dialect_western
  • tzo-dialect_chamula
  • tzo-dialect_chenalho
  • ubl
  • ubu
  • udm
  • udu
  • uig-script_arabic
  • uig-script_cyrillic
  • ukr
  • umb
  • unr
  • upv
  • ura
  • urb
  • urd-script_arabic
  • urd-script_devanagari
  • urd-script_latin
  • urk
  • urt
  • ury
  • usp
  • uzb-script_cyrillic
  • uzb-script_latin
  • vag
  • vid
  • vie
  • vif
  • vmw
  • vmy
  • vot
  • vun
  • vut
  • wal-script_ethiopic
  • wal-script_latin
  • wap
  • war
  • waw
  • way
  • wba
  • wlo
  • wlx
  • wmw
  • wob
  • wol
  • wsg
  • wwa
  • xal
  • xdy
  • xed
  • xer
  • xho
  • xmm
  • xnj
  • xnr
  • xog
  • xon
  • xrb
  • xsb
  • xsm
  • xsr
  • xsu
  • xta
  • xtd
  • xte
  • xtm
  • xtn
  • xua
  • xuo
  • yaa
  • yad
  • yal
  • yam
  • yao
  • yas
  • yat
  • yaz
  • yba
  • ybb
  • ycl
  • ycn
  • yea
  • yka
  • yli
  • yor
  • yre
  • yua
  • yue-script_traditional
  • yuz
  • yva
  • zaa
  • zab
  • zac
  • zad
  • zae
  • zai
  • zam
  • zao
  • zaq
  • zar
  • zas
  • zav
  • zaw
  • zca
  • zga
  • zim
  • ziw
  • zlm
  • zmz
  • zne
  • zos
  • zpc
  • zpg
  • zpi
  • zpl
  • zpm
  • zpo
  • zpt
  • zpu
  • zpz
  • ztq
  • zty
  • zul
  • zyb
  • zyp
  • zza

Model details

  • Developed by: Vineel Pratap et al.

  • Model type: Multi-Lingual Automatic Speech Recognition model

  • Language(s): 1000+ languages, see supported languages

  • License: CC-BY-NC 4.0 license

  • Num parameters: 1 billion

  • Audio sampling rate: 16,000 kHz

  • Cite as:

    @article{pratap2023mms,
      title={Scaling Speech Technology to 1,000+ Languages},
      author={Vineel Pratap and Andros Tjandra and Bowen Shi and Paden Tomasello and Arun Babu and Sayani Kundu and Ali Elkahky and Zhaoheng Ni and Apoorv Vyas and Maryam Fazel-Zarandi and Alexei Baevski and Yossi Adi and Xiaohui Zhang and Wei-Ning Hsu and Alexis Conneau and Michael Auli},
    journal={arXiv},
    year={2023}
    }
    

Additional Links

Downloads last month
115,052
Safetensors
Model size
965M params
Tensor type
F32
·
Inference API
or

Model tree for facebook/mms-1b-all

Finetunes
168 models
Quantizations
1 model

Dataset used to train facebook/mms-1b-all

Spaces using facebook/mms-1b-all 66