Asr Whisper Medium Commonvoice Ar

🚀 基於CommonVoice-14.0阿拉伯語微調的Whisper Medium模型

本倉庫提供了使用在CommonVoice（阿拉伯語）數據集上微調的端到端Whisper模型，在SpeechBrain中執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。

模型的性能如下：

✨ 主要特性

• 本自動語音識別（ASR）系統由Whisper編碼器 - 解碼器模塊組成。
• 預訓練的Whisper-medium編碼器被凍結。
• 使用預訓練的Whisper分詞器。
• 在CommonVoice阿拉伯語數據集上微調預訓練的Whisper-medium解碼器（openai/whisper-medium）。
• 最終得到的聲學表示將輸入到貪心解碼器中。
• 系統使用採樣率為16kHz（單聲道）的錄音進行訓練。代碼在調用 transcribe_file 時會自動對音頻進行歸一化處理（即重採樣和單聲道選擇）。

📦 安裝指南

首先，請使用以下命令安裝 transformers 和 SpeechBrain：

pip install speechbrain transformers

建議您閱讀相關教程，進一步瞭解 SpeechBrain。

💻 使用示例

基礎用法

對您自己的阿拉伯語音頻文件進行轉錄：

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")

高級用法

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

🔧 技術細節

訓練步驟

該模型使用SpeechBrain進行訓練。若要從頭開始訓練，請按以下步驟操作：

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/transformer/
python train_with_whisper.py hparams/train_ar_hf_whisper.yaml --data_folder=your_data_folder

您可以在 此處 找到訓練結果（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。

引用SpeechBrain

@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}},
  }

關於SpeechBrain

SpeechBrain是一個開源的一體化語音工具包，設計簡單、極其靈活且用戶友好，在多個領域都能取得有競爭力或領先的性能。

• 官網：https://speechbrain.github.io/
• GitHub：https://github.com/speechbrain/speechbrain

📄 許可證

本項目採用 apache-2.0 許可證。