许可协议：apache-2.0
支持语言：

• 海地克里奥尔语
  评估指标：
• 词错误率（wer）
  库名称：transformers

海地语语音转文本模型

概述

本仓库包含专为海地语优化的Whisper自动语音识别（ASR）微调模型。该模型已托管于Hugging Face平台，可直接投入使用。

性能表现

该模型词错误率（WER）低至0.19126，表明其在将海地口语转换为书面文本方面具有极高准确度。

训练参数

模型训练采用1e-5的学习率进行优化。

使用方法

您可直接从Hugging Face模型中心调用本模型。以下为Python调用示例：

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torchaudio

# 加载模型与处理器
processor = WhisperProcessor.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")
model = WhisperForConditionalGeneration.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")

# 读取音频文件
sample_path = "音频文件路径.wav"
# 使用torchaudio加载音频
waveform, sample_rate = torchaudio.load(sample_path)

# 必要重采样（Whisper模型要求16kHz采样率）
if sample_rate != 16000:
    resampler = torchaudio.transforms.Resample(sample_rate, 16000)
    waveform = resampler(waveform)
    sample_rate = 16000

# 确保单声道处理
if waveform.shape[0] > 1:
    waveform = waveform.mean(dim=0, keepdim=True)

# 使用Whisper处理器处理音频
input_features = processor(waveform.numpy(), sampling_rate=sample_rate, return_tensors="pt").input_features

# 生成文本标记
predicted_ids = model.generate(input_features)
# 将标记解码为文本
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)
print(transcription)