语言:

• 英语
• 法语
• 西班牙语
• 德语 许可证: mit 库名称: transformers 标签:
• 音频
• 自动语音识别
• transformers.js 小部件:
• 示例标题: LibriSpeech样本1 来源: https://cdn-media.huggingface.co/speech_samples/sample1.flac
• 示例标题: LibriSpeech样本2 来源: https://cdn-media.huggingface.co/speech_samples/sample2.flac 管道标签: 自动语音识别

Whisper-Large-V3-Distil-Multi4-v0.2

这是一个多语言蒸馏版的Whisper模型，具有2个解码器层，支持4种欧洲语言：英语、法语、西班牙语和德语。

该模型是在我开发Distil-Large-v3.5期间训练的。

一个显著特点是其原生支持语码转换。该模型能够在单个片段转录中切换语言，当检测到语言变化时自动生成新的语言标记（如下例所示）。

在训练过程中，<|yue|>语言标记被重新用于充当自动语言检测标记，从而在推理过程中实现语码转换。要使用此功能，只需将语言参数设置为cantonese（默认使用）。

该模型的性能低于单语言蒸馏版本和Whisper-Large-v3-Turbo。未来的工作应研究更好的训练程序，并可能纳入更多数据，以有效地将多语言能力压缩到单个模型中。

目录

• 使用
• 评估

使用

import torch
from datasets import load_dataset
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor

device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

# 加载模型
model_name_or_path = "bofenghuang/whisper-large-v3-distil-multi4-v0.2"
processor = AutoProcessor.from_pretrained(model_name_or_path)
model = AutoModelForSpeechSeq2Seq.from_pretrained(model_name_or_path, torch_dtype=torch_dtype)
model.to(device)

# 示例音频
dataset = load_dataset("bofenghuang/asr-dummy", "cs", split="test")
sample, text = dataset[0]["audio"], dataset[0]["text"]

# 真实文本
print(text)
# Aber sei ihnen nicht böse, Habibi, vergib ihnen, sie vergaßen die Liebe, sie vergaßen die Bibel, 
# wünsch ihnen den Frieden. Nous allons construire des radiotélescopes géants comme celui-ci, 
# qui est mon préféré. Questa è un'immagine di Cairo Open City, una mostra che il museo Folkwang di 
# Essen ha dedicato al ruolo della mobile photography nella primavera Araba.

# 提取特征
input_features = processor(
    sample["array"], sampling_rate=sample["sampling_rate"], return_tensors="pt"
).input_features


# 生成标记
predicted_ids = model.generate(
    input_features.to(device, dtype=torch_dtype),
    max_new_tokens=128,
)

# 解码为文本
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)
#  Aber sei ihnen nicht böse, Habibi, vergib ihn. Sie vergaßen die Liebe, sie vergaßen die Liebe. 
# Wünsche ihnen dem Frieden. Nous allons construire des radiotelescopes géants, comme celui-ci qui 
# est mon préféré. Esta es una imagen de Cairo Open City, una muestra que el Museo Folk Punk de Essen 
# ha dedicado al ruolo de la mobile fotografía en la primavera árabe.

# 查看生成的标记
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=False)[0]
print(transcription)
# <|de|> Aber sei ihnen nicht böse, Habibi, vergib ihn. Sie vergaßen die Liebe, sie vergaßen die Liebe. 
# Wünsche ihnen dem Frieden.<|fr|> Nous allons construire des radiotelescopes géants, comme celui-ci qui 
# est mon préféré.<|es|> Esta es una imagen de Cairo Open City, una muestra que el Museo Folk Punk de Essen 
# ha dedicado al ruolo de la mobile fotografía en la primavera árabe.

评估

英语

法语

西班牙语

德语