Asr Crdnn Commonvoice Fr

🚀 基于CommonVoice法语数据集训练的无语言模型CRDNN+CTC/Attention自动语音识别系统

本仓库提供了在SpeechBrain中使用基于CommonVoice（法语）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。

该模型的性能表现如下：

🚀 快速开始

本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（法语）的训练转录文件（train.tsv）进行训练。
• 声学模型（CRDNN + CTC/Attention）：CRDNN架构由N个卷积神经网络块组成，在频域上进行归一化和池化操作。然后，一个双向LSTM连接到一个最终的DNN，以获得最终的声学表示，并将其输入到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。在调用 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 + 单声道选择）。

✨ 主要特性

• 端到端的自动语音识别系统，基于CommonVoice法语数据集进行预训练。
• 包含分词器和声学模型，可将语音转换为文本。
• 代码会自动处理音频归一化，方便使用。

📦 安装指南

首先，请使用以下命令安装SpeechBrain：

pip install speechbrain

建议您阅读我们的教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

转录您自己的音频文件（法语）：

from speechbrain.inference.ASR import EncoderDecoderASR

asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-crdnn-commonvoice-fr", savedir="pretrained_models/asr-crdnn-commonvoice-fr")
asr_model.transcribe_file("speechbrain/asr-crdnn-commonvoice-fr/example-fr.wav")

高级用法

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。

📚 详细文档

训练步骤

该模型使用SpeechBrain（986a2175）进行训练。若要从头开始训练，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/CommonVoice/ASR/seq2seq
python train.py hparams/train_fr.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团队不保证该模型在其他数据集上的性能。

📄 许可证

本项目采用 apache-2.0 许可证。

🔧 技术细节

此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（法语）的训练转录文件（train.tsv）进行训练。
• 声学模型（CRDNN + CTC/Attention）：CRDNN架构由N个卷积神经网络块组成，在频域上进行归一化和池化操作。然后，一个双向LSTM连接到一个最终的DNN，以获得最终的声学表示，并将其输入到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。在调用 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 + 单声道选择）。

📚 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}
}