库名称: transformers 许可证: gpl-3.0 数据集:

• MohamedRashad/阿拉伯语-英语语码转换 语言:
• 阿拉伯语
• 英语 评估指标:
• 词错误率 任务标签: 自动语音识别

👳 阿拉伯语-Whisper-语码转换版

本模型是基于OpenAI的Whisper Large v2微调版本，使用阿拉伯语-英语语码转换数据集训练而成。

📝 模型详情

模型描述

阿拉伯语-Whisper-语码转换版专为处理含有英语词汇的阿拉伯语音频设计。该模型通过提升阿拉伯语-英语语码转换语音的识别性能，改进了原版Whisper Large v2。

• 开发者: 阿卜杜拉
• 模型类型: 语音识别
• 支持语言(NLP): 阿拉伯语、英语(在阿拉伯语音频语境中)
• 许可证: GPL-3.0

模型来源[可选]

• 数据收集仓库: https://github.com/MohamedAliRashad/youtube-audio-collector
• 演示地址: https://huggingface.co/spaces/MohamedRashad/Arabic-Whisper-CodeSwitching-Edition

👷 用途

直接使用

该模型可直接用于转录包含英语词汇的阿拉伯语语音，在语码转换现象普遍的多语言环境中尤为实用。

非适用场景

该模型在阿拉伯语或英语以外的单语种语音，或非阿拉伯语-英语组合的语码转换语音上可能表现不佳。

😨 偏见、风险与局限

使用建议

应告知用户(包括直接使用者和下游使用者)该模型的风险、偏见和局限性。需更多信息以提供进一步建议。

🔍 快速开始

使用以下代码快速体验模型功能。

from transformers import WhisperForConditionalGeneration, WhisperProcessor

processor = WhisperProcessor.from_pretrained("MohamedRashad/Arabic-Whisper-CodeSwitching-Edition")
model = WhisperForConditionalGeneration.from_pretrained("MohamedRashad/Arabic-Whisper-CodeSwitching-Edition")

# 使用示例
inputs = processor("音频文件路径.wav", return_tensors="pt")
generated_ids = model.generate(inputs["input_features"])
transcription = processor.batch_decode(generated_ids, skip_special_tokens=True)
print(transcription)

👨‍🎓 引用

BibTeX格式:

@misc{rashad2024阿拉伯语whisper,
  title={阿拉伯语-Whisper-语码转换版},
  author={穆罕默德·拉沙德},
  year={2024},
  url={https://huggingface.co/spaces/MohamedRashad/Arabic-Whisper-CodeSwitching-Edition},
}

APA格式:

拉沙德, M. (2024). 阿拉伯语-Whisper-语码转换版. 检索自 https://huggingface.co/spaces/MohamedRashad/Arabic-Whisper-CodeSwitching-Edition