Mms 300m Arabic Dialect Identifier

🚀 用於語音中阿拉伯語方言識別（ADI）的強大Transformer模型

本模型是一個基於Transformer架構的模型，能夠準確且穩健地識別語音中的阿拉伯語方言。它在多樣化的阿拉伯電視廣播語音上微調了預訓練的MMS模型，可識別現代標準阿拉伯語（MSA）以及四種主要的阿拉伯語方言。你可以通過這個Hugging Face 空間與模型進行交互。

🚀 快速開始

本模型可用於識別以下阿拉伯語方言/變體：

• 現代標準阿拉伯語（MSA）
• 埃及阿拉伯語（Masri和Sudani）
• 海灣阿拉伯語（Khleeji、伊拉克語和也門語）
• 黎凡特阿拉伯語（Shami）
• 馬格里布阿拉伯語（北非阿拉伯馬格里布地區的方言）

✨ 主要特性

• 精準識別：能夠準確識別多種阿拉伯語方言。
• 魯棒性強：在有背景噪音、聲道不匹配、語音情感語調等挑戰的數據集上表現出色。
• 應用廣泛：可用於大規模語音數據收集管道，也可用於過濾現代標準阿拉伯語（MSA）語音數據以開發文本轉語音（TTS）系統。

📦 安裝指南

暫未提供相關安裝步驟。

💻 使用示例

基礎用法

from transformers import pipeline

# Load the model
model_id = "badrex/mms-300m-arabic-dialect-identifier"
adi5_classifier = pipeline(
    "audio-classification", 
    model=model_id,
    device='cpu' # or device = 'cuda' if you are connected to a GPU
)

# Predict dialect for an audio sample 
audio_path = "./samples/arabic_audio_sample.mp3"

predictions = adi5_classifier(audio_path)

for pred in predictions:
    print(f"Dialect: {pred['label']:<10} Confidence: {pred['score']:.4f}")

# Dialect: MSA        Confidence: 0.8370
# Dialect: Levantine  Confidence: 0.1208
# Dialect: Egyptian   Confidence: 0.0406
# Dialect: Gulf       Confidence: 0.0011
# Dialect: Maghrebi   Confidence: 0.0004

📚 詳細文檔

模型信息

訓練數據

電視廣播語音（新聞、訪談、討論、電視節目等）。

評估

該模型在不同的數據集上進行了測試和評估，這些數據集對方言分類提出了挑戰（例如背景噪音、聲道不匹配、語音中的情感語調）。在評估中，模型表現出色，預計對現實世界的語音樣本具有較強的魯棒性。

用途

• 大規模語音數據收集：可作為大規模語音數據收集管道的一個組件，為不同的阿拉伯語方言創建資源。
• 語音數據過濾：可用於過濾現代標準阿拉伯語（MSA）語音數據，用於開發文本轉語音（TTS）系統。

直接使用

可參考上述使用示例代碼進行直接使用。

超出適用範圍的使用

該模型不應用於以下方面：

• 評估語音的流利度或母語程度。
• 確定說話者使用的是正式還是非正式語域。
• 判斷說話者的出身、教育水平或社會經濟地位。
• 根據方言對說話者進行過濾或歧視。

偏差、風險和侷限性

• 訓練數據代表性不足：一些阿拉伯語變體在訓練數據中沒有得到很好的體現，模型可能對某些方言（如也門阿拉伯語、伊拉克阿拉伯語和撒哈拉阿拉伯語）效果不佳。
• 短音頻樣本：非常短的音頻樣本（< 2秒）可能無法提供足夠的信息進行準確分類。
• 代碼切換：方言之間的代碼切換（特別是與MSA混合）可能導致分類不太可靠。
• 混合特徵說話者：在多個方言地區生活過的說話者可能表現出混合特徵。
• 非典型說話者：來自非典型說話者（如兒童和有語言障礙的人）的語音可能對模型構成挑戰。

建議

• 音頻時長：為獲得最佳效果，請使用至少5 - 10秒的音頻片段。
• 置信度分數：置信度分數可能並不總是具有參考價值（例如，模型可能做出錯誤的決策，但仍然非常自信）。
• 人工驗證：對於關鍵應用，考慮對模型預測進行人工驗證。

🔧 技術細節

本模型基於wav2vec 2.0架構，通過在多樣化的阿拉伯電視廣播語音上微調預訓練的MMS - 300m模型得到。在訓練過程中，使用了多種包含不同挑戰的數據集進行評估，以確保模型的魯棒性。

📄 許可證

本模型採用知識共享署名4.0（CC BY 4.0）許可證。

引用

BibTeX

@misc{abdullah2025arabicadi,
  author = {Abdullah, Badr M. and Baas, Matthew},
  title = {A Robust Transformer Model for Arabic Dialect Identification in Speech},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/badrex/mms-300m-arabic-dialect-identifier}}
}

APA

Abdullah, B. M., & Baas, M. (2025). A Robust Transformer Model for Arabic Dialect Identification in Speech. Retrieved from https://huggingface.co/badrex/mms-300m-arabic-dialect-identifier/

模型卡片聯繫方式

如果您有任何問題，請隨時發送電子郵件至badr dot nlp at gmail dot com 😊