Asr Whisper Medium Commonvoice Ar

🚀 コモンボイス14.0アラビア語でファインチューニングされたWhisper Medium

このリポジトリは、SpeechBrain内でコモンボイス（アラビア語）でファインチューニングされたエンドツーエンドのWhisperモデルを使用して自動音声認識を行うために必要なすべてのツールを提供しています。より良い体験のために、SpeechBrainについてもっと学ぶことをお勧めします。

モデルの性能は以下の通りです。

✨ 主な機能

パイプラインの説明

このASRシステムは、Whisperのエンコーダ - デコーダブロックで構成されています。

• 事前学習されたwhisper-mediumエンコーダは凍結されています。
• 事前学習されたWhisperトークナイザーが使用されます。
• 事前学習されたWhisper-mediumデコーダ（openai/whisper-medium）がコモンボイスアラビア語でファインチューニングされています。 得られた最終的な音響表現は、貪欲デコーダに渡されます。

システムは、16kHzでサンプリングされた録音（単チャンネル）で学習されています。コードは、transcribe_fileを呼び出すときに自動的にオーディオを正規化します（リサンプリング + 単チャンネル選択）。

📦 インストール

まず、以下のコマンドでtransformersとSpeechBrainをインストールしてください。

pip install speechbrain transformers

SpeechBrainについてのチュートリアルを読み、もっと学ぶことをおすすめします。

💻 使用例

基本的な使用法

from speechbrain.inference.ASR import WhisperASR

asr_model = WhisperASR.from_hparams(source="speechbrain/asr-whisper-medium-commonvoice-ar", savedir="pretrained_models/asr-whisper-medium-commonvoice-ar")
asr_model.transcribe_file("speechbrain/asr-whisper-medium-commonvoice-ar/example-ar.mp3")

高度な使用法

GPUで推論を行うには、from_hparamsメソッドを呼び出すときにrun_opts={"device":"cuda"}を追加します。

学習

このモデルはSpeechBrainで学習されています。ゼロから学習するには、以下の手順に従ってください。

1. SpeechBrainをクローンします。

git clone https://github.com/speechbrain/speechbrain/

2. インストールします。

cd speechbrain
pip install -r requirements.txt
pip install -e .

3. 学習を実行します。

cd recipes/CommonVoice/ASR/transformer/
python train_with_whisper.py hparams/train_ar_hf_whisper.yaml --data_folder=your_data_folder

学習結果（モデル、ログなど）はこちらで確認できます。

制限事項

SpeechBrainチームは、このモデルを他のデータセットで使用した場合の性能について、いかなる保証も提供しません。

📚 詳細ドキュメント

SpeechBrainの引用

@misc{SB2021,
    author = {Ravanelli, Mirco and Parcollet, Titouan and Rouhe, Aku and Plantinga, Peter and Rastorgueva, Elena and Lugosch, Loren and Dawalatabad, Nauman and Ju-Chieh, Chou and Heba, Abdel and Grondin, Francois and Aris, William and Liao, Chien-Feng and Cornell, Samuele and Yeh, Sung-Lin and Na, Hwidong and Gao, Yan and Fu, Szu-Wei and Subakan, Cem and De Mori, Renato and Bengio, Yoshua },
    title = {SpeechBrain},
    year = {2021},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {\\\\url{https://github.com/speechbrain/speechbrain}},
  }

SpeechBrainについて

SpeechBrainは、オープンソースの統合型音声ツールキットです。シンプルで非常に柔軟性が高く、使いやすいように設計されています。様々なドメインで競争力のある、または最先端の性能が得られます。

ウェブサイト: https://speechbrain.github.io/

GitHub: https://github.com/speechbrain/speechbrain

📄 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。

📋 モデル情報