Asr Conformer Transformerlm Librispeech

🚀 用於LibriSpeech的Transformer模型（含Transformer語言模型）

本倉庫提供了在SpeechBrain中使用基於LibriSpeech（英文）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，我們建議你進一步瞭解 SpeechBrain。該模型的性能如下：

🚀 快速開始

本倉庫提供了在SpeechBrain中基於預訓練的端到端系統對LibriSpeech（英文）進行自動語音識別的所有必要工具。為獲得更好的體驗，建議你進一步瞭解 SpeechBrain。

✨ 主要特性

• 該自動語音識別（ASR）系統由三個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LibriSpeech的訓練轉錄數據進行訓練。
  • 神經語言模型（Transformer LM）：在包含1000萬個單詞的完整數據集上進行訓練。
  • 聲學模型：由Conformer編碼器和結合了CTC與Transformer的聯合解碼器組成，解碼過程也會考慮CTC概率。
• 系統使用採樣率為16kHz（單聲道）的錄音進行訓練。調用 transcribe_file 時，代碼會根據需要自動對音頻進行歸一化處理（即重採樣和單聲道選擇）。

📦 安裝指南

首先，請使用以下命令安裝SpeechBrain：

pip install speechbrain

請注意，建議你閱讀我們的教程，進一步瞭解 SpeechBrain。

💻 使用示例

基礎用法

轉錄你自己的英文音頻文件

from speechbrain.inference.ASR import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-conformer-transformerlm-librispeech", savedir="pretrained_models/asr-transformer-transformerlm-librispeech")
asr_model.transcribe_file("speechbrain/asr-conformer-transformerlm-librispeech/example.wav")

高級用法

在GPU上進行推理

若要在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對一批輸入語句進行並行轉錄。

訓練

該模型使用SpeechBrain進行訓練（提交哈希值：'f73fcc35'）。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SpeechBrain：

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

3. 運行訓練腳本：

cd recipes/LibriSpeech/ASR/transformer
python train.py hparams/conformer_large.yaml --data_folder=your_data_folder

你可以在 此處 找到我們的訓練結果（模型、日誌等）。

📚 詳細文檔

管道描述

此自動語音識別系統由三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LibriSpeech的訓練轉錄數據進行訓練。
• 神經語言模型（Transformer LM）：在完整的1000萬個單詞數據集上進行訓練。
• 聲學模型：由Conformer編碼器和結合了CTC與Transformer的聯合解碼器組成。因此，解碼過程也會結合CTC概率。

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

🔧 技術細節

該模型的性能指標如下：

📄 許可證

本項目採用Apache 2.0許可證。

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

如果在你的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}
}