语言:

• 英文 缩略图: 无 标签:
• 自动语音识别
• CTC
• 注意力机制
• Transformer
• PyTorch
• SpeechBrain
• HF-ASR排行榜 许可证: Apache-2.0 数据集:
• LibriSpeech 评估指标:
• 词错误率(WER)
• 字符错误率(CER) 模型索引:
• 名称: SpeechBrain的Transformer+TransformerLM模型 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: LibriSpeech (干净) 类型: librispeech_asr 配置: clean 分割: test 参数: 语言: en 指标:
    • 名称: 测试WER 类型: wer 值: 2.27
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: LibriSpeech (其他) 类型: librispeech_asr 配置: other 分割: test 参数: 语言: en 指标:
    • 名称: 测试WER 类型: wer 值: 5.53

LibriSpeech的Transformer模型（带Transformer语言模型）

本仓库提供了所有必要的工具，用于在SpeechBrain中基于预训练的LibriSpeech（英文）端到端系统执行自动语音识别。为了获得更好的体验，我们鼓励您了解更多关于SpeechBrain的信息。该模型的性能如下：

流程描述

该ASR系统由3个不同但相互关联的模块组成：

• 分词器（unigram），将单词转换为子词单元，并使用LibriSpeech的训练文本进行训练。
• 神经语言模型（Transformer LM），在完整的1000万单词数据集上训练。
• 声学模型，由Transformer编码器和带有CTC+Transformer的联合解码器组成。因此，解码过程也结合了CTC概率。

系统使用16kHz采样的录音（单声道）进行训练。在调用transcribe_file时，代码会自动对音频进行归一化处理（如重采样和单声道选择）。

安装SpeechBrain

首先，请使用以下命令安装SpeechBrain：

pip install speechbrain

请注意，我们建议您阅读我们的教程并了解更多关于SpeechBrain的信息。

转录您自己的音频文件（英文）

from speechbrain.inference.ASR import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-transformer-transformerlm-librispeech", savedir="pretrained_models/asr-transformer-transformerlm-librispeech")
asr_model.transcribe_file("speechbrain/asr-transformer-transformerlm-librispeech/example.wav")

GPU推理

要在GPU上执行推理，在调用from_hparams方法时添加run_opts={"device":"cuda"}。

批量并行推理

请参阅此Colab笔记本，了解如何使用预训练模型并行转录一批输入句子。

训练

该模型使用SpeechBrain（提交哈希：'f73fcc35'）进行训练。要从头开始训练，请按照以下步骤操作：

1. 克隆SpeechBrain：

git clone https://github.com/speechbrain/speechbrain/

2. 安装：

cd speechbrain
pip install -r requirements.txt
pip install -e .

3. 运行训练：

cd recipes/LibriSpeech/ASR/transformer
python train.py hparams/transformer.yaml --data_folder=your_data_folder

您可以在此处找到我们的训练结果（模型、日志等）。

限制

SpeechBrain团队不对该模型在其他数据集上的性能提供任何保证。

关于SpeechBrain

• 网站: https://speechbrain.github.io/
• 代码: https://github.com/speechbrain/speechbrain/
• HuggingFace: https://huggingface.co/speechbrain/

引用SpeechBrain

如果您在研究中或业务中使用SpeechBrain，请引用它。

@misc{speechbrain,
  title={{SpeechBrain}: A General-Purpose Speech Toolkit},
  author={Mirco Ravanelli and Titouan Parcollet and Peter Plantinga and Aku Rouhe and Samuele Cornell and Loren Lugosch and Cem Subakan and Nauman Dawalatabad and Abdelwahab Heba and Jianyuan Zhong and Ju-Chieh Chou and Sung-Lin Yeh and Szu-Wei Fu and Chien-Feng Liao and Elena Rastorgueva and François Grondin and William Aris and Hwidong Na and Yan Gao and Renato De Mori and Yoshua Bengio},
  year={2021},
  eprint={2106.04624},
  archivePrefix={arXiv},
  primaryClass={eess.AS},
  note={arXiv:2106.04624}
}