数据集:

• IbrahimSalah/阿拉伯新闻语音语料库 语言:
• 阿拉伯语 标签:
• 阿拉伯语
• 现代标准阿拉伯语
• 语音
• 音节
• Wav2vec
• 自动语音识别

带标音符号的阿拉伯语音节识别

论文DOI: https://doi.org/10.60161/2521-001-001-006
这是经过微调的wav2vec2模型，用于从语音中识别阿拉伯语音节。
该模型在现代标准阿拉伯语数据集上进行训练。
模型附带5-gram语言模型。

使用方法：

!pip install datasets transformers
!pip install https://github.com/kpu/kenlm/archive/master.zip pyctcdecode

from transformers import Wav2Vec2Processor, Wav2Vec2ForCTC
from transformers import Wav2Vec2ProcessorWithLM
processor = Wav2Vec2ProcessorWithLM.from_pretrained('IbrahimSalah/Syllables_final_Large')
model = Wav2Vec2ForCTC.from_pretrained("IbrahimSalah/Syllables_final_Large")

import pandas as pd
dftest = pd.DataFrame(columns=['音频'])
import datasets
from datasets import Dataset
path ='/content/908-33.wav'
dftest['音频']=[path]  ## 音频路径
dataset = Dataset.from_pandas(dftest)

import torch
import torchaudio
def speech_file_to_array_fn(batch):
    speech_array, sampling_rate = torchaudio.load(batch["音频"])
    print(sampling_rate)
    resampler = torchaudio.transforms.Resample(sampling_rate, 16_000) # 原始数据采样率为48,000。可根据输入调整。
    batch["音频"] = resampler(speech_array).squeeze().numpy()
    return batch

import numpy as np
from datasets import load_dataset
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
test_dataset = dataset.map(speech_file_to_array_fn)
inputs = processor(test_dataset["音频"], sampling_rate=16_000, return_tensors="pt", padding=True)
with torch.no_grad():
    logits = model(inputs.input_values).logits
    print(logits.numpy().shape)

transcription = processor.batch_decode(logits.numpy()).text
print("预测结果:",transcription[0])

您可以使用我们微调的mT5模型[IbrahimSalah/阿拉伯语音节转文本转换器]将音节转换为完整单词

引用

BibTeX格式:

@article{2024SyllableBasedAS,
  title={基于音节的阿拉伯语语音识别使用Wav2Vec},
  author={易卜拉欣·阿卜杜勒阿勒 and 穆斯塔法·沙菲 and 穆罕默德·阿卜杜勒瓦希德},
  journal={计算语言与阿拉伯语自动处理期刊},
  year={2024},
  url={https://api.semanticscholar.org/CorpusID:269151543}
}