Asr Wav2vec2 Commonvoice Rw

🚀 基于CommonVoice卢旺达语训练的wav2vec 2.0（含CTC/Attention，无语言模型）

本仓库提供了在SpeechBrain中使用基于CommonVoice（卢旺达语）预训练的端到端系统进行自动语音识别所需的所有工具。为获得更好的体验，建议您进一步了解 SpeechBrain。

该模型的性能如下：

🚀 快速开始

安装SpeechBrain

首先，请使用以下命令安装transformers和SpeechBrain：

pip install speechbrain transformers

建议您阅读我们的教程，进一步了解 SpeechBrain。

转录您自己的音频文件（卢旺达语）

from speechbrain.pretrained import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-wav2vec2-commonvoice-rw", savedir="pretrained_models/asr-wav2vec2-commonvoice-rw")
asr_model.transcribe_file("speechbrain/asr-wav2vec2-commonvoice-rw/example.mp3")

在GPU上进行推理

若要在GPU上进行推理，在调用from_hparams方法时添加 run_opts={"device":"cuda"}。

批量并行推理

请参考 此Colab笔记本，了解如何使用预训练模型并行转录一批输入语句。

训练

该模型使用SpeechBrain进行训练。若要从头开始训练，请按以下步骤操作：

1. 克隆SpeechBrain仓库：

git clone https://github.com/speechbrain/speechbrain/

2. 安装依赖：

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

3. 运行训练脚本：

cd recipes/CommonVoice/ASR/seq2seq
python train_with_wav2vec.py hparams/train_rw_with_wav2vec.yaml --data_folder=your_data_folder

您可以在 此处 找到我们的训练结果（模型、日志等）。

✨ 主要特性

管道描述

此自动语音识别（ASR）系统由两个不同但相互关联的模块组成：

• 分词器（unigram）：将单词转换为子词单元，并使用CommonVoice（卢旺达语）的训练转录文件（train.tsv）进行训练。
• 声学模型（wav2vec2.0 + CTC/Attention）：将预训练的wav2vec 2.0模型（wav2vec2-large-xlsr-53）与两个深度神经网络（DNN）层结合，并在CommonVoice英语数据集上进行微调。得到的最终声学表示将输入到CTC和注意力解码器中。

该系统使用采样率为16kHz（单声道）的录音进行训练。调用transcribe_file时，代码会根据需要自动对音频进行归一化处理（即重采样和单声道选择）。

📄 许可证

本项目采用Apache 2.0许可证。

🔧 技术细节

局限性

SpeechBrain团队不保证该模型在其他数据集上的性能。

关于SpeechBrain

• 官网：https://speechbrain.github.io/
• 代码仓库：https://github.com/speechbrain/speechbrain/
• HuggingFace页面：https://huggingface.co/speechbrain/

📚 详细文档

引用SpeechBrain

如果您在研究或业务中使用了SpeechBrain，请引用以下文献：

@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}
}