Mms 300m Arabic Dialect Identifier

🚀 用于语音中阿拉伯语方言识别（ADI）的强大Transformer模型

本模型是一个基于Transformer架构的模型，能够准确且稳健地识别语音中的阿拉伯语方言。它在多样化的阿拉伯电视广播语音上微调了预训练的MMS模型，可识别现代标准阿拉伯语（MSA）以及四种主要的阿拉伯语方言。你可以通过这个Hugging Face 空间与模型进行交互。

🚀 快速开始

本模型可用于识别以下阿拉伯语方言/变体：

• 现代标准阿拉伯语（MSA）
• 埃及阿拉伯语（Masri和Sudani）
• 海湾阿拉伯语（Khleeji、伊拉克语和也门语）
• 黎凡特阿拉伯语（Shami）
• 马格里布阿拉伯语（北非阿拉伯马格里布地区的方言）

✨ 主要特性

• 精准识别：能够准确识别多种阿拉伯语方言。
• 鲁棒性强：在有背景噪音、声道不匹配、语音情感语调等挑战的数据集上表现出色。
• 应用广泛：可用于大规模语音数据收集管道，也可用于过滤现代标准阿拉伯语（MSA）语音数据以开发文本转语音（TTS）系统。

📦 安装指南

暂未提供相关安装步骤。

💻 使用示例

基础用法

from transformers import pipeline

# Load the model
model_id = "badrex/mms-300m-arabic-dialect-identifier"
adi5_classifier = pipeline(
    "audio-classification", 
    model=model_id,
    device='cpu' # or device = 'cuda' if you are connected to a GPU
)

# Predict dialect for an audio sample 
audio_path = "./samples/arabic_audio_sample.mp3"

predictions = adi5_classifier(audio_path)

for pred in predictions:
    print(f"Dialect: {pred['label']:<10} Confidence: {pred['score']:.4f}")

# Dialect: MSA        Confidence: 0.8370
# Dialect: Levantine  Confidence: 0.1208
# Dialect: Egyptian   Confidence: 0.0406
# Dialect: Gulf       Confidence: 0.0011
# Dialect: Maghrebi   Confidence: 0.0004

📚 详细文档

模型信息

训练数据

电视广播语音（新闻、访谈、讨论、电视节目等）。

评估

该模型在不同的数据集上进行了测试和评估，这些数据集对方言分类提出了挑战（例如背景噪音、声道不匹配、语音中的情感语调）。在评估中，模型表现出色，预计对现实世界的语音样本具有较强的鲁棒性。

用途

• 大规模语音数据收集：可作为大规模语音数据收集管道的一个组件，为不同的阿拉伯语方言创建资源。
• 语音数据过滤：可用于过滤现代标准阿拉伯语（MSA）语音数据，用于开发文本转语音（TTS）系统。

直接使用

可参考上述使用示例代码进行直接使用。

超出适用范围的使用

该模型不应用于以下方面：

• 评估语音的流利度或母语程度。
• 确定说话者使用的是正式还是非正式语域。
• 判断说话者的出身、教育水平或社会经济地位。
• 根据方言对说话者进行过滤或歧视。

偏差、风险和局限性

• 训练数据代表性不足：一些阿拉伯语变体在训练数据中没有得到很好的体现，模型可能对某些方言（如也门阿拉伯语、伊拉克阿拉伯语和撒哈拉阿拉伯语）效果不佳。
• 短音频样本：非常短的音频样本（< 2秒）可能无法提供足够的信息进行准确分类。
• 代码切换：方言之间的代码切换（特别是与MSA混合）可能导致分类不太可靠。
• 混合特征说话者：在多个方言地区生活过的说话者可能表现出混合特征。
• 非典型说话者：来自非典型说话者（如儿童和有语言障碍的人）的语音可能对模型构成挑战。

建议

• 音频时长：为获得最佳效果，请使用至少5 - 10秒的音频片段。
• 置信度分数：置信度分数可能并不总是具有参考价值（例如，模型可能做出错误的决策，但仍然非常自信）。
• 人工验证：对于关键应用，考虑对模型预测进行人工验证。

🔧 技术细节

本模型基于wav2vec 2.0架构，通过在多样化的阿拉伯电视广播语音上微调预训练的MMS - 300m模型得到。在训练过程中，使用了多种包含不同挑战的数据集进行评估，以确保模型的鲁棒性。

📄 许可证

本模型采用知识共享署名4.0（CC BY 4.0）许可证。

引用

BibTeX

@misc{abdullah2025arabicadi,
  author = {Abdullah, Badr M. and Baas, Matthew},
  title = {A Robust Transformer Model for Arabic Dialect Identification in Speech},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/badrex/mms-300m-arabic-dialect-identifier}}
}

APA

Abdullah, B. M., & Baas, M. (2025). A Robust Transformer Model for Arabic Dialect Identification in Speech. Retrieved from https://huggingface.co/badrex/mms-300m-arabic-dialect-identifier/

模型卡片联系方式

如果您有任何问题，请随时发送电子邮件至badr dot nlp at gmail dot com 😊