许可证: MIT
语言:

• 俄语
  任务标签: 自动语音识别

GigaAM v2 模型 已转换为ONNX格式，适用于 onnx-asr。

安装onnx-asr

pip install onnx-asr[cpu,hub]

加载GigaAM v2 CTC模型并识别wav文件

import onnx_asr  

model = onnx_asr.load_model("gigaam-v2-ctc")  
print(model.recognize("test.wav"))  

加载GigaAM v2 RNN-T模型并识别wav文件

import onnx_asr  

model = onnx_asr.load_model("gigaam-v2-rnnt")  
print(model.recognize("test.wav"))  

模型导出代码

import gigaam  
from pathlib import Path  

onnx_dir = "gigaam-onnx"  
model_type = "rnnt"  # 或 "ctc"  

model = gigaam.load_model(  
    model_type,  
    fp16_encoder=False,  # 仅使用fp32张量  
    use_flash=False,  # 禁用flash attention  
)  
model.to_onnx(dir_path=onnx_dir)  

with Path(onnx_dir, "v2_vocab.txt").open("wt") as f:  
    for i, token in enumerate(["\u2581", *(chr(ord("а") + i) for i in range(32)), "<blk>"]):  
        f.write(f"{token} {i}\n")