Asr Wav2vec2 Dvoice Darija

🚀 wav2vec 2.0 with CTC/Attention trained on DVoice Darija (No LM)

本仓库提供了所有必要的工具，用于在 SpeechBrain 中基于一个在 DVoice 达里杰语（Darija）数据集上预训练的端到端系统进行自动语音识别。为了获得更好的体验，我们鼓励您进一步了解 SpeechBrain。

📊 评估指标

🚀 快速开始

本自动语音识别（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，并使用训练转录数据进行训练。
• 声学模型（wav2vec2.0 + CTC）：将预训练的 wav2vec 2.0 模型（facebook/wav2vec2-large-xlsr-53）与两个深度神经网络（DNN）层相结合，并在达里杰语数据集上进行微调。最终得到的声学表示将输入到 CTC 贪心解码器中。

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，如果需要，代码将自动对您的音频进行归一化处理（即重采样 + 单声道选择）。

📦 安装指南

首先，请使用以下命令安装 transformers 和 SpeechBrain：

pip install speechbrain transformers

请注意，我们建议您阅读 SpeechBrain 教程并进一步了解 SpeechBrain。

💻 使用示例

基础用法

以下是转录您自己的达里杰语音频文件的示例代码：

from speechbrain.inference.ASR import EncoderASR
asr_model = EncoderASR.from_hparams(source="speechbrain/asr-wav2vec2-dvoice-darija", savedir="pretrained_models/asr-wav2vec2-dvoice-darija")
asr_model.transcribe_file('speechbrain/asr-wav2vec2-dvoice-darija/example_darija.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 EncoderASR
asr_model = EncoderASR.from_hparams(source="speechbrain/asr-wav2vec2-dvoice-darija", savedir="pretrained_models/asr-wav2vec2-dvoice-darija", run_opts={"device":"cuda"})
asr_model.transcribe_file('speechbrain/asr-wav2vec2-dvoice-darija/example_darija.wav')

📚 详细文档

训练步骤

该模型使用 SpeechBrain 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/DVoice/ASR/CTC
python train_with_wav2vec2.py hparams/train_dar_with_wav2vec.yaml --data_folder=/localscratch/darija/

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。

引用 SpeechBrain

如果您使用了该项目，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 DVoice

DVoice 是一个社区项目，旨在为非洲低资源语言提供数据和模型，以促进语音技术的应用。由于这些语言的数据匮乏，因此需要采用针对每种语言的特定方法来收集数据。目前使用了两种不同的方法：基于 Mozilla Common Voice 的 DVoice 平台（https://dvoice.ma 和 https://dvoice.sn），用于从社区收集真实录音；以及迁移学习技术，用于自动标记从社交媒体获取的录音。DVoice 平台目前管理着 7 种语言，包括本版本中使用的达里杰语（摩洛哥阿拉伯语方言）、沃洛夫语、曼丁哥语、塞雷尔语、富拉语、迪奥拉语和索宁克语。

在这个项目中，AIOX Labs 和 SI2M 实验室携手合作，共同构建技术的未来。

关于 AIOX Labs

AIOX-Labs 总部位于拉巴特、伦敦和巴黎，致力于利用人工智能技术满足企业的业务需求和数据项目。

• 助力集团发展、优化流程或提升客户体验。
• 业务涵盖多个领域，从金融科技到工业，包括零售和消费品。
• 提供具备坚实算法基础且可根据每个客户特定需求进行定制的数据产品。
• 拥有一支由人工智能博士和商业专家组成的互补团队，具备坚实的科学基础和国际出版物。

官网：https://www.aiox-labs.com/

关于 SI2M 实验室

信息系统、智能系统和数学建模研究实验室（SI2M）是国家统计与应用经济研究所（INSEA）的一个学术研究实验室。该实验室的研究领域包括信息系统、智能系统、人工智能、决策支持、网络和系统安全以及数学建模。

官网：SI2M Laboratory

关于 SpeechBrain

SpeechBrain 是一个开源的一体化语音工具包。它设计简单、极其灵活且用户友好，在各个领域都能取得有竞争力或最先进的性能。

官网：https://speechbrain.github.io/ GitHub：https://github.com/speechbrain/speechbrain

致谢

本研究得到了摩洛哥拉巴特国家科学与技术研究中心（CNRST）提供的 HPC-MARWAN（www.marwan.ma/hpc）计算资源的支持。我们在此深表感谢。

📄 许可证

本项目采用 Apache-2.0 许可证。