Arabic Morocco Speech To Text

🚀 Whisper_Cleverlytics

このモデルは、音声をテキストに変換するためのモデルです。特定のデータセットを使用してトレーニングされ、高い精度で音声認識を行うことができます。

🚀 クイックスタート

モデルを実行するには、まずGitHubリポジトリを通じてTransformersライブラリをインストールします。

📦 インストール

pip install --upgrade pip
pip install --upgrade git+https://github.com/huggingface/transformers.git accelerate datasets[audio]

💻 使用例

基本的な使用法

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

device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "smerchi/Arabic-Morocco-Speech_To_Text"

model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=False, use_safetensors=True
)
model.to(device)

processor = AutoProcessor.from_pretrained(model_id)

pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    return_timestamps=True,
    torch_dtype=torch_dtype,
    device=device,
)

audio="/content/audio.mp3"

%time result = pipe(audio)
print(result["text"],)

📚 ドキュメント

トレーニングのハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは次のとおりです。

• 学習率: 1e-05
• エポック数: 20

トレーニング結果

フレームワークのバージョン

• Transformers 4.35.2
• Pytorch 2.0.1+cu117
• Datasets 2.16.0
• Tokenizers 0.14.1

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。