Asr Whisper Large V2 Commonvoice Fa

🚀 基于CommonVoice波斯语微调的Whisper Large-V2模型

本项目提供了在SpeechBrain框架下，基于CommonVoice（波斯语）数据集微调的端到端Whisper自动语音识别模型所需的全部工具。为获得更好的使用体验，建议您进一步了解 SpeechBrain。

模型信息

模型性能

🚀 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==4.28.0

建议您阅读相关教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

以下代码展示了如何使用微调后的模型对波斯语音频文件进行转录：

from speechbrain.inference.ASR import WhisperASR

asr_model = WhisperASR.from_hparams(source="speechbrain/asr-whisper-large-v2-commonvoice-fa", savedir="pretrained_models/asr-whisper-large-v2-commonvoice-fa")
asr_model.transcribe_file("speechbrain/asr-whisper-large-v2-commonvoice-fa/example-fa.wav")

高级用法

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

from speechbrain.inference.ASR import WhisperASR

asr_model = WhisperASR.from_hparams(source="speechbrain/asr-whisper-large-v2-commonvoice-fa", savedir="pretrained_models/asr-whisper-large-v2-commonvoice-fa", run_opts={"device":"cuda"})
asr_model.transcribe_file("speechbrain/asr-whisper-large-v2-commonvoice-fa/example-fa.wav")

🔧 训练模型

该模型使用SpeechBrain进行训练。若要从头开始训练模型，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/CommonVoice/ASR/transformer/
python train_with_whisper.py hparams/train_fa_hf_whisper.yaml --data_folder=your_data_folder

您可以在 此处 找到训练结果（模型、日志等）。

📚 详细文档

管道描述

该自动语音识别（ASR）系统由Whisper的编码器 - 解码器模块组成：

• 预训练的whisper-large-v2编码器被冻结。
• 使用预训练的Whisper分词器。
• 预训练的Whisper-large-v2解码器（openai/whisper-large-v2）在CommonVoice波斯语数据集上进行微调。 最终得到的声学表示将输入到贪心解码器中。

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）。

局限性

SpeechBrain团队不保证该模型在其他数据集上的性能。

引用SpeechBrain

如果您使用了本项目，请引用以下文献：

@misc{SB2021,
    author = {Ravanelli, Mirco and Parcollet, Titouan and Rouhe, Aku and Plantinga, Peter and Rastorgueva, Elena and Lugosch, Loren and Dawalatabad, Nauman and Ju-Chieh, Chou and Heba, Abdel and Grondin, Francois and Aris, William and Liao, Chien-Feng and Cornell, Samuele and Yeh, Sung-Lin and Na, Hwidong and Gao, Yan and Fu, Szu-Wei and Subakan, Cem and De Mori, Renato and Bengio, Yoshua },
    title = {SpeechBrain},
    year = {2021},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {\url{https://github.com/speechbrain/speechbrain}},
  }

关于SpeechBrain

SpeechBrain是一个开源的一体化语音工具包，设计简单、灵活且用户友好，在多个领域取得了有竞争力或领先的性能。

• 网站：https://speechbrain.github.io/
• GitHub：https://github.com/speechbrain/speechbrain

📄 许可证

本项目采用Apache-2.0许可证。