Asr Crdnn Commonvoice Fr

🚀 基於CommonVoice法語數據集訓練的無語言模型CRDNN+CTC/Attention自動語音識別系統

本倉庫提供了在SpeechBrain中使用基於CommonVoice（法語）預訓練的端到端系統進行自動語音識別所需的所有工具。為獲得更好的體驗，建議您進一步瞭解 SpeechBrain。

該模型的性能表現如下：

🚀 快速開始

本ASR系統由兩個不同但相互關聯的模塊組成：

• 分詞器（unigram）：將單詞轉換為子詞單元，並使用CommonVoice（法語）的訓練轉錄文件（train.tsv）進行訓練。
• 聲學模型（CRDNN + CTC/Attention）：CRDNN架構由N個卷積神經網絡塊組成，在頻域上進行歸一化和池化操作。然後，一個雙向LSTM連接到一個最終的DNN，以獲得最終的聲學表示，並將其輸入到CTC和注意力解碼器中。

該系統使用採樣率為16kHz（單聲道）的錄音進行訓練。在調用 transcribe_file 時，代碼會根據需要自動對音頻進行歸一化處理（即重採樣 + 單聲道選擇）。

✨ 主要特性

• 端到端的自動語音識別系統，基於CommonVoice法語數據集進行預訓練。
• 包含分詞器和聲學模型，可將語音轉換為文本。
• 代碼會自動處理音頻歸一化，方便使用。

📦 安裝指南

首先，請使用以下命令安裝SpeechBrain：

pip install speechbrain

建議您閱讀我們的教程，進一步瞭解 SpeechBrain。

💻 使用示例

基礎用法

轉錄您自己的音頻文件（法語）：

from speechbrain.inference.ASR import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-crdnn-commonvoice-fr", savedir="pretrained_models/asr-crdnn-commonvoice-fr")
asr_model.transcribe_file("speechbrain/asr-crdnn-commonvoice-fr/example-fr.wav")

高級用法

在GPU上進行推理： 在調用 from_hparams 方法時添加 run_opts={"device":"cuda"}。

批量並行推理

請參考 此Colab筆記本 瞭解如何使用預訓練模型並行轉錄一批輸入語句。

📚 詳細文檔

訓練步驟

該模型使用SpeechBrain（986a2175）進行訓練。若要從頭開始訓練，請按照以下步驟操作：

1. 克隆SpeechBrain倉庫：

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

2. 安裝依賴：

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

3. 運行訓練腳本：

cd recipes/CommonVoice/ASR/seq2seq
python train.py hparams/train_fr.yaml --data_folder=your_data_folder

您可以在 此處 找到我們的訓練結果（模型、日誌等）。

侷限性

SpeechBrain團隊不保證該模型在其他數據集上的性能。

📄 許可證

本項目採用 apache-2.0 許可證。

🔧 技術細節

此ASR系統由兩個不同但相互關聯的模塊組成：

• 分詞器（unigram）：將單詞轉換為子詞單元，並使用CommonVoice（法語）的訓練轉錄文件（train.tsv）進行訓練。
• 聲學模型（CRDNN + CTC/Attention）：CRDNN架構由N個卷積神經網絡塊組成，在頻域上進行歸一化和池化操作。然後，一個雙向LSTM連接到一個最終的DNN，以獲得最終的聲學表示，並將其輸入到CTC和注意力解碼器中。

該系統使用採樣率為16kHz（單聲道）的錄音進行訓練。在調用 transcribe_file 時，代碼會根據需要自動對音頻進行歸一化處理（即重採樣 + 單聲道選擇）。

📚 關於SpeechBrain

• 官網：https://speechbrain.github.io/
• 代碼倉庫：https://github.com/speechbrain/speechbrain/
• HuggingFace頁面：https://huggingface.co/speechbrain/

📖 引用SpeechBrain

如果您在研究或業務中使用了SpeechBrain，請引用以下文獻：

@misc{speechbrain,
  title={{SpeechBrain}: A General-Purpose Speech Toolkit},
  author={Mirco Ravanelli and Titouan Parcollet and Peter Plantinga and Aku Rouhe and Samuele Cornell and Loren Lugosch and Cem Subakan and Nauman Dawalatabad and Abdelwahab Heba and Jianyuan Zhong and Ju-Chieh Chou and Sung-Lin Yeh and Szu-Wei Fu and Chien-Feng Liao and Elena Rastorgueva and François Grondin and William Aris and Hwidong Na and Yan Gao and Renato De Mori and Yoshua Bengio},
  year={2021},
  eprint={2106.04624},
  archivePrefix={arXiv},
  primaryClass={eess.AS},
  note={arXiv:2106.04624}
}