Asr Transformer Transformerlm Librispeech

🚀 用于LibriSpeech的Transformer模型（含Transformer语言模型）

本仓库提供了在SpeechBrain框架下，基于在LibriSpeech（英文）数据集上预训练的端到端系统进行自动语音识别所需的全部工具。为获得更好的使用体验，建议您进一步了解 SpeechBrain。该模型的性能如下：

🚀 快速开始

本ASR系统由三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，使用LibriSpeech的训练转录数据进行训练。
• 神经语言模型（Transformer LM）：在包含1000万个单词的完整数据集上进行训练。
• 声学模型：由Transformer编码器和结合了CTC与Transformer的联合解码器组成。因此，解码过程也会考虑CTC概率。

该系统使用采样率为16kHz（单声道）的录音进行训练。当调用 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）。

✨ 主要特性

• 多模块协同：由分词器、神经语言模型和声学模型三个模块协同工作，实现高效的自动语音识别。
• 音频自动处理：代码会自动对音频进行归一化处理，方便用户使用。
• 多指标评估：使用词错误率（WER）和字符错误率（CER）等指标对模型性能进行评估。

📦 安装指南

首先，请使用以下命令安装SpeechBrain：

pip install speechbrain

请注意，建议您阅读我们的教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

from speechbrain.inference.ASR import EncoderDecoderASR

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

高级用法

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"}：

from speechbrain.inference.ASR import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-transformer-transformerlm-librispeech", savedir="pretrained_models/asr-transformer-transformerlm-librispeech", run_opts={"device":"cuda"})
asr_model.transcribe_file("speechbrain/asr-transformer-transformerlm-librispeech/example.wav")

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对一批输入语句进行并行转录。

模型训练

该模型使用SpeechBrain进行训练（提交哈希值：'f73fcc35'）。若要从头开始训练该模型，请按照以下步骤操作：

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/LibriSpeech/ASR/transformer
python train.py hparams/transformer.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）。

局限性

SpeechBrain团队不对该模型在其他数据集上的性能提供任何保证。

📚 详细文档

模型信息

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/

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}
}

⚠️ 重要提示

SpeechBrain团队不对该模型在其他数据集上的性能提供任何保证。

💡 使用建议

建议您阅读我们的教程，进一步了解 SpeechBrain，以获得更好的使用体验。