Whisperlevantine

🚀 ウィスパーレバントンアラビア語モデル

レバントン方言（イスラエル・アラビア語）用にファインチューニングされたウィスパーモデルです。高精度な自動音声認識を実現します。

🚀 クイックスタート

このモデルは、レバントンアラビア語、特にイスラエル方言の音声を高精度に文字起こしするために、Whisper Large v3 をファインチューニングしたものです。自動音声認識（ASR）の性能向上に役立ちます。

✨ 主な機能

• レバントンアラビア語（イスラエル方言）用に最適化された音声認識。
• faster-whisper パッケージを使用して変換され、OpenAIのWhisperより最大4倍高速な推論が可能。

📦 インストール

このモデルを使用するには、まず必要なパッケージをインストールする必要があります。以下のコマンドを実行してください。

pip install faster-whisper librosa

💻 使用例

基本的な使用法

音声ファイルの文字起こし結果とタイムスタンプを含む .vtt ファイルを audio_dir に保存します。

python transcriber.py --model_path path/to/model --audio_dir path/to/audio --word_timestamps True --vad_filter True

高度な使用法

印刷された文字起こし結果を視覚化するには、以下のコードを使用します。

pip install faster-whisper
import faster_whisper
import librosa

model = faster_whisper.WhisperModel("model.bin")
audio_file = 'your audio file.wav'
with torch.no_grad():
    audio_data, sample_rate = librosa.load(audio_file)
    audio_data = librosa.resample(audio_data, orig_sr=sample_rate, target_sr=16000)
    segments, _ = model.transcribe(audio_data, language='ar')
    for segment in segments:
        for word in segment.words:
            print("[%.2fs -> %.2fs] %s" % (word.start, word.end, word.word))

    transcript = ' '.join(s.text for s in segments)

📚 ドキュメント

モデルの詳細

訓練データ

このモデルの訓練とファインチューニングに使用されたデータセットは、約1,200時間の文字起こしされた音声で構成されています。主にイスラエル・レバントンアラビア語を含み、一部の一般的なレバントンアラビア語の内容も含まれています。データソースは以下の通りです。

1. 独自収集データ: チームによって収集された1,200時間の音声データで、幅広いイスラエル・レバントンアラビア語の音声をカバーしています。

• データセット全体のサイズ: ~1,200時間
• サンプリングレート: 8kHz - 16kHzにアップサンプリング
• アノテーション: 高精度な人間による文字起こしとアノテーション

📄 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。

謝辞

ivrit.ai がファインチューニングのコードスクリプトを提供してくれたことに感謝します。