Whisper Large V3 Persian Common Voice 17

🚀 波斯語語音識別模型 - Whisper Large v3

本項目是基於 Whisper Large v3 微調的波斯語自動語音識別（ASR）模型。它在 Common Voice 17 數據集上進行訓練，使用了超過 250,000 個波斯語音頻樣本，相比之前在 Common Voice 11 數據集上訓練的模型（僅 83,000 個樣本），大幅提升了識別的準確性和魯棒性。

✨ 主要特性

• 數據增強：使用 Common Voice 17 數據集進行微調，包含超過 250,000 個波斯語音頻樣本，顯著降低了詞錯誤率（WER）。
• 模型精準：在波斯語語音識別任務中表現出色，為波斯語社區提供了更準確、可靠的語音識別服務。

📦 安裝指南

本項目使用 transformers 庫，你可以通過以下命令安裝：

pip install transformers

💻 使用示例

基礎用法

from transformers import pipeline

asr_pipe = pipeline(
    "automatic-speech-recognition",
    model="MohammadGholizadeh/whisper-large-v3-persian-common-voice-17",
    chunk_length_s=30
)

text = asr_pipe("your_file")["text"]
print(text)

代碼解釋

• pipeline 函數用於創建一個自動語音識別的管道。
• model 參數指定使用的模型。
• chunk_length_s 參數指定音頻處理的塊長度。

📚 詳細文檔

模型信息

注意事項

⚠️ 重要提示

由於微調過程中未包含時間戳信息，模型無法返回時間戳。即使嘗試返回，也會遇到錯誤。解決方案是將音頻文件分割成較小的塊。進一步的微調肯定會提高模型的準確性。我們目前正在尋求硬件和 ASR 數據集合作的贊助。

引用信息

@misc{whisper_persian_cv17,
  author = {Mohammad Sadegh Gholizadeh},
  title = {Whisper Large v3 - Persian (Common Voice 17)},
  year = {2025},
  url = {https://huggingface.co/msghol/whisper-large-v3-persian-common-voice-17}
}

📄 許可證

本項目採用 Apache-2.0 許可證。