许可协议：apache-2.0
评估指标：

• 字错误率（CER）
  基础模型：
• BELLE-2/Belle-whisper-large-v3-zh
  任务标签：自动语音识别

欢迎使用

若本模型对您有所帮助，请为模型点赞，并在GitHub上为我们点亮星标：
https://github.com/LianjiaTech/BELLE 与 https://github.com/shuaijiang/Whisper-Finetune

Belle-whisper-large-v3-zh-punct

本模型基于whisper-large-v3-zh进行微调，显著提升了中文标点符号识别能力，同时保持原有性能水准。在AISHELL1、AISHELL2、WENETSPEECH和HKUST等中文语音识别基准测试中，Belle-whisper-large-v3-zh-punct与Belle-whisper-large-v3-zh表现相当。

标点符号识别能力源自模型punc_ct-transformer_cn-en-common-vocab471067-large，相关数据已整合至训练集中。

使用方式

from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="BELLE-2/Belle-whisper-large-v3-zh-punct"
)

transcriber.model.config.forced_decoder_ids = (
  transcriber.tokenizer.get_decoder_prompt_ids(
    language="zh", 
    task="transcribe"
  )
)

transcription = transcriber("my_audio.wav") 

微调配置

采用LoRA微调技术实现标点符号能力的无损增强。如需在自有数据集上微调，请参考GitHub仓库。

字错误率(%)对比

值得注意的是，在复杂声学场景（如wenetspeech_meeting）中，Belle-whisper-large-v3-zh-punct相较原版模型甚至略有提升。CER计算时已剔除标点符号影响。

引用声明

使用代码、数据或模型时请引用我们的论文及GitHub项目：

@misc{BELLE,
  author = {BELLEGroup},
  title = {BELLE：面向大众的大型语言模型引擎},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub仓库},
  howpublished = {\url{https://github.com/LianjiaTech/BELLE}},
}