Whisper Large V3 Distil Multi4 V0.2

🚀 Whisper-Large-V3-Distil-Multi4-v0.2

这是一个多语言蒸馏版的Whisper模型，具有2个解码器层，支持4种欧洲语言：英语、法语、西班牙语和德语。

该模型是在作者研发Distil-Large-v3.5期间训练得到的。

该模型的一个显著特点是其原生支持代码切换。模型能够在单段转录中切换语言，当检测到语言变化时，会自动生成一个新的语言标记（如下例所示）。

在训练过程中，<|yue|>语言标记被重新用作自动语言检测标记，从而在推理过程中实现代码切换。要使用此功能，只需将语言参数设置为cantonese（默认使用）。

该模型的性能低于单语言蒸馏版和Whisper-Large-v3-Turbo。未来的工作应探索更好的训练方法，并可能纳入更多数据，以便将多语言能力有效压缩到单个模型中。

🚀 快速开始

安装依赖

本项目使用了torch、datasets和transformers库，你可以使用以下命令进行安装：

pip install torch datasets transformers

运行示例代码

以下是使用该模型进行自动语音识别的示例代码：

import torch
from datasets import load_dataset
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor

device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

# 加载模型
model_name_or_path = "bofenghuang/whisper-large-v3-distil-multi4-v0.2"
processor = AutoProcessor.from_pretrained(model_name_or_path)
model = AutoModelForSpeechSeq2Seq.from_pretrained(model_name_or_path, torch_dtype=torch_dtype)
model.to(device)

# 示例音频
dataset = load_dataset("bofenghuang/asr-dummy", "cs", split="test")
sample, text = dataset[0]["audio"], dataset[0]["text"]

# 真实文本
print(text)
# Aber sei ihnen nicht böse, Habibi, vergib ihnen, sie vergaßen die Liebe, sie vergaßen die Bibel, 
# wünsch ihnen den Frieden. Nous allons construire des radiotélescopes géants comme celui-ci, 
# qui est mon préféré. Questa è un'immagine di Cairo Open City, una mostra che il museo Folkwang di 
# Essen ha dedicato al ruolo della mobile photography nella primavera Araba.

# 提取特征
input_features = processor(
    sample["array"], sampling_rate=sample["sampling_rate"], return_tensors="pt"
).input_features

# 生成标记
predicted_ids = model.generate(
    input_features.to(device, dtype=torch_dtype),
    max_new_tokens=128,
)

# 将标记转换为文本
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print(transcription)
#  Aber sei ihnen nicht böse, Habibi, vergib ihn. Sie vergaßen die Liebe, sie vergaßen die Liebe. 
# Wünsche ihnen dem Frieden. Nous allons construire des radiotelescopes géants, comme celui-ci qui 
# est mon préféré. Esta es una imagen de Cairo Open City, una muestra que el Museo Folk Punk de Essen 
# ha dedicado al ruolo de la mobile fotografía en la primavera árabe.

# 查看生成的标记
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=False)[0]
print(transcription)
# <|de|> Aber sei ihnen nicht böse, Habibi, vergib ihn. Sie vergaßen die Liebe, sie vergaßen die Liebe. 
# Wünsche ihnen dem Frieden.<|fr|> Nous allons construire des radiotelescopes géants, comme celui-ci qui 
# est mon préféré.<|es|> Esta es una imagen de Cairo Open City, una muestra que el Museo Folk Punk de Essen 
# ha dedicado al ruolo de la mobile fotografía en la primavera árabe.

📚 详细文档

评估结果

英文评估

法文评估

西班牙文评估

德文评估

📄 许可证

本项目采用MIT许可证。