语言:

• ar 缩略图: 无 管道标签: 自动语音识别 标签:
• whisper
• pytorch
• speechbrain
• Transformer
• hf-asr-leaderboard 许可证: apache-2.0 数据集:
• commonvoice 指标:
• wer
• cer 模型索引:
• 名称: asr-whisper-medium-commonvoice-ar 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: CommonVoice 10.0 (阿拉伯语) 类型: mozilla-foundation/common_voice_14_0 配置: ar 分割: test 参数: 语言: ar 指标:
    • 名称: 测试 WER 类型: wer 值: '14.82' 推理: false

基于CommonVoice-14.0阿拉伯语微调的whisper medium模型

本仓库提供了所有必要的工具，用于在SpeechBrain中执行基于端到端whisper模型（在CommonVoice阿拉伯语上微调）的自动语音识别。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whisper编码器-解码器块组成：

• 预训练的whisper-medium编码器被冻结。
• 使用预训练的Whisper分词器。
• 预训练的Whisper-medium解码器（openai/whisper-medium）在CommonVoice阿拉伯语上进行微调。 获得的最终声学表示被传递给贪婪解码器。

系统训练使用的录音采样率为16kHz（单声道）。在调用transcribe_file时，代码会自动对音频进行归一化处理（即重采样+单声道选择）。

安装SpeechBrain

首先，请使用以下命令安装transformers和SpeechBrain：

pip install speechbrain transformers

请注意，我们鼓励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（阿拉伯语）

from speechbrain.inference.ASR import WhisperASR

asr_model = WhisperASR.from_hparams(source="speechbrain/asr-whisper-medium-commonvoice-ar", savedir="pretrained_models/asr-whisper-medium-commonvoice-ar")
asr_model.transcribe_file("speechbrain/asr-whisper-medium-commonvoice-ar/example-ar.mp3")

GPU推理

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

训练

该模型使用SpeechBrain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/CommonVoice/ASR/transformer/
python train_with_whisper.py hparams/train_ar_hf_whisper.yaml --data_folder=your_data_folder

您可以在这里找到我们的训练结果（模型、日志等）。

限制

SpeechBrain团队不对此模型在其他数据集上的性能提供任何保证。

引用SpeechBrain

@misc{SB2021,
    author = {Ravanelli, Mirco and Parcollet, Titouan and Rouhe, Aku and Plantinga, Peter and Rastorgueva, Elena and Lugosch, Loren and Dawalatabad, Nauman and Ju-Chieh, Chou and Heba, Abdel and Grondin, Francois and Aris, William and Liao, Chien-Feng and Cornell, Samuele and Yeh, Sung-Lin and Na, Hwidong and Gao, Yan and Fu, Szu-Wei and Subakan, Cem and De Mori, Renato and Bengio, Yoshua },
    title = {SpeechBrain},
    year = {2021},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {\\\\url{https://github.com/speechbrain/speechbrain}},
  }

关于SpeechBrain

SpeechBrain是一个开源的一体化语音工具包。它设计简单、极其灵活且用户友好。在多个领域实现了竞争性或最先进的性能。

网站: https://speechbrain.github.io/

GitHub: https://github.com/speechbrain/speechbrain