Haitian Speech To Text

🚀 海地語音轉文本模型

本項目提供了一個針對海地語微調的Whisper自動語音識別（ASR）模型，可有效將海地語語音準確轉錄為文本，在海地語語音處理領域具有重要實用價值。

🚀 快速開始

你可以直接從Hugging Face模型中心使用此模型。以下是一個簡單的Python示例：

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torchaudio

# 加載模型和處理器
processor = WhisperProcessor.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")
model = WhisperForConditionalGeneration.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")

# 讀取音頻文件
sample_path = "path/to/audio.wav"
# 使用torchaudio加載音頻文件
waveform, sample_rate = torchaudio.load(sample_path)

# 如有需要進行重採樣（Whisper模型要求採樣率為16kHz）
if sample_rate != 16000:
    resampler = torchaudio.transforms.Resample(sample_rate, 16000)
    waveform = resampler(waveform)
    sample_rate = 16000

# 確保為單聲道
if waveform.shape[0] > 1:
    waveform = waveform.mean(dim=0, keepdim=True)

# 使用Whisper處理器處理音頻
input_features = processor(waveform.numpy(), sampling_rate=sample_rate, return_tensors="pt").input_features

# 生成標記ID
predicted_ids = model.generate(input_features)
# 將標記ID解碼為文本
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)
print(transcription)

✨ 主要特性

• 該模型針對海地語進行了微調，能夠更好地適應海地語的語音特點和語言習慣，實現更準確的語音轉錄。
• 模型託管在Hugging Face上，方便用戶直接從模型中心獲取和使用。

📦 安裝指南

文檔未提及具體安裝步驟，若要使用此模型，可參考上述使用示例中的代碼，確保安裝了transformers和torchaudio庫。

💻 使用示例

基礎用法

from transformers import WhisperProcessor, WhisperForConditionalGeneration
import torchaudio

# 加載模型和處理器
processor = WhisperProcessor.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")
model = WhisperForConditionalGeneration.from_pretrained("ZeeshanGeoPk/haitian-speech-to-text")

# 讀取音頻文件
sample_path = "path/to/audio.wav"
# 使用torchaudio加載音頻文件
waveform, sample_rate = torchaudio.load(sample_path)

# 如有需要進行重採樣（Whisper模型要求採樣率為16kHz）
if sample_rate != 16000:
    resampler = torchaudio.transforms.Resample(sample_rate, 16000)
    waveform = resampler(waveform)
    sample_rate = 16000

# 確保為單聲道
if waveform.shape[0] > 1:
    waveform = waveform.mean(dim=0, keepdim=True)

# 使用Whisper處理器處理音頻
input_features = processor(waveform.numpy(), sampling_rate=sample_rate, return_tensors="pt").input_features

# 生成標記ID
predicted_ids = model.generate(input_features)
# 將標記ID解碼為文本
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)
print(transcription)

高級用法

文檔未提及高級用法相關內容。

📚 詳細文檔

性能表現

該模型的單詞錯誤率（WER）達到了0.19126，這表明它在將海地語口語轉錄為書面文本方面具有較高的準確性。

訓練情況

該模型在訓練時使用的學習率為1e - 5。

📄 許可證

本項目採用Apache - 2.0許可證。