🚀 wav2vec 2.0 with CTC在CommonVoice中文(中国大陆)上训练的模型(无语言模型)
本仓库提供了在SpeechBrain中使用基于CommonVoice(中文)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,我们建议您进一步了解 SpeechBrain。
🚀 快速开始
本仓库提供了在SpeechBrain中基于CommonVoice(中文)预训练的端到端系统进行自动语音识别的工具。若想获得更好的使用体验,建议您深入了解 SpeechBrain。
✨ 主要特性
- 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unigram,并使用CommonVoice(zh - CN)的训练转录文件(train.tsv)进行训练。
- 声学模型(wav2vec2.0 + CTC):将预训练的wav2vec 2.0模型(wav2vec2 - large - xlsr - 53)与两个DNN层相结合,并在CommonVoice中文数据集上进行微调。最终得到的声学表示将输入到CTC解码器中。
- 系统使用采样率为16kHz(单声道)的录音进行训练。调用 transcribe_file 时,代码会自动对音频进行归一化处理(即重采样和单声道选择)。
模型的性能如下:
发布日期 |
测试字符错误率(CER) |
测试词错误率(WER) |
GPU 配置 |
2023年8月15日 |
23.17 |
- |
1xV100 32GB |
📦 安装指南
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。
💻 使用示例
基础用法
转录您自己的中文音频文件:
from speechbrain.inference.ASR import EncoderASR
asr_model = EncoderASR.from_hparams(source="speechbrain/asr-wav2vec2-commonvoice-14-zh-CN", savedir="pretrained_models/asr-wav2vec2-commonvoice-14-zh-CN")
asr_model.transcribe_file("speechbrain/asr-wav2vec2-commonvoice-14-zh-CN/example-zh-CN.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对一批输入语句进行并行转录。
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:
- 克隆SpeechBrain仓库:
git clone https://github.com/speechbrain/speechbrain/
- 安装依赖:
cd speechbrain
pip install -r requirements.txt
pip install -e .
- 运行训练脚本:
cd recipes/CommonVoice/ASR/CTC/
python train_with_wav2vec.py hparams/train_zh-CN_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)。
局限性
SpeechBrain团队不保证该模型在其他数据集上的性能。
📚 详细文档
属性 |
详情 |
模型类型 |
基于wav2vec 2.0和CTC的自动语音识别模型 |
训练数据 |
CommonVoice 14.0中文数据集 |
评估指标 |
词错误率(WER)、字符错误率(CER) |
📄 许可证
本项目采用Apache 2.0许可证。
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}
}