许可协议: cc-by-sa-4.0 语言: "德语" 缩略图: 标签:

• 自动语音识别
• CTC
• 注意力机制
• pytorch
• speechbrain 评估指标:
• 词错误率(WER)

德语自动语音识别模型

本模型基于Mozilla Common Voice 6.1、德语维基百科语音语料库和m-ailabs语料库训练而成。

• https://nats.gitlab.io/swc/
• https://commonvoice.mozilla.org/de/datasets
• https://www.caito.de/2019/01/03/the-m-ailabs-speech-dataset/

注：本模型不包含语言模型。

训练代码详见GitHub仓库。

性能表现

该模型词错误率为7.24%。 （更新版本模型参见：https://huggingface.co/jfreiwa/asr-crdnn-german-umlaute）

模型应用

安装SpeechBrain

首先运行以下命令安装SpeechBrain：

pip install speechbrain

建议访问官网教程系统学习框架使用。

使用说明

from speechbrain.pretrained import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="jfreiwa/asr-crdnn-german", savedir="pretrained_models/asr-crdnn-german")
asr_model.transcribe_file("jfreiwa/asr-crdnn-german/example-de.wav")

GPU加速推理

在调用from_hparams时添加参数run_opts={"device":"cuda"}即可启用GPU加速。

局限性

对于其他数据集上的表现，我们不提供任何性能保证。

关于SpeechBrain

• 官网: https://speechbrain.github.io/
• 代码库: https://github.com/speechbrain/speechbrain/
• HuggingFace主页: https://huggingface.co/speechbrain/

引用SpeechBrain

若在研究中使用了本框架，请按以下格式引用：

@misc{speechbrain,
  title={{SpeechBrain}: 通用语音工具包},
  author={Mirco Ravanelli等},
  year={2021},
  eprint={2106.04624},
  archivePrefix={arXiv},
  primaryClass={eess.AS},
  note={arXiv:2106.04624}
}

引用我们的论文

使用本模型时请引用我们的论文：

@inproceedings{freiwald2022,
  author={J. Freiwald等},
  title={面向隐私保护的德语端到端语音识别开源方案},
  year=2022,
  booktitle={DAGA 2022}
}

致谢

本研究由德国联邦教育与研究部(BMBF)资助（项目号02L19C200），由卡尔斯鲁厄项目管理机构(PTKA)执行。文责由作者自负。