Whisper Persian Turbooo

🚀 波斯语语音识别模型 - whisper-persian-turbooo

本项目是一个用于自动语音识别的模型，基于openai/whisper-large-v3-turbo微调而来，可处理波斯语语音，适用于医疗等领域。

🚀 快速开始

模型使用环境

• 数据集：mozilla-foundation/common_voice_11_0
• 评估指标：wer（词错误率）
• 基础模型：openai/whisper-large-v3-turbo
• 库名称：transformers
• 标签：medical

训练信息

许可证

本项目采用 MIT 许可证。

📦 安装指南

在 Colab 中使用该模型，需要安装必要的包：

!pip install torch torchaudio transformers pydub google-colab

💻 使用示例

基础用法

以下是在 Colab 中使用该模型进行波斯语语音转录的完整代码：

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from pydub import AudioSegment
import os
from google.colab import files

# 加载模型和处理器
model_id = "hackergeek98/whisper-persian-turbooo"
device = "cuda" if torch.cuda.is_available() else "cpu"

model = AutoModelForSpeechSeq2Seq.from_pretrained(model_id).to(device)
processor = AutoProcessor.from_pretrained(model_id)

# 创建管道
whisper_pipe = pipeline(
    "automatic-speech-recognition", model=model, tokenizer=processor.tokenizer, feature_extractor=processor.feature_extractor, device=0 if torch.cuda.is_available() else -1
)

# 将音频转换为 WAV 格式
def convert_to_wav(audio_path):
    audio = AudioSegment.from_file(audio_path)
    wav_path = "converted_audio.wav"
    audio.export(wav_path, format="wav")
    return wav_path

# 将长音频分割成小块
def split_audio(audio_path, chunk_length_ms=30000):  # 默认：每块 30 秒
    audio = AudioSegment.from_wav(audio_path)
    chunks = [audio[i:i+chunk_length_ms] for i in range(0, len(audio), chunk_length_ms)]
    chunk_paths = []

    for i, chunk in enumerate(chunks):
        chunk_path = f"chunk_{i}.wav"
        chunk.export(chunk_path, format="wav")
        chunk_paths.append(chunk_path)

    return chunk_paths

# 转录长音频文件
def transcribe_long_audio(audio_path):
    wav_path = convert_to_wav(audio_path)
    chunk_paths = split_audio(wav_path)
    transcription = ""

    for chunk in chunk_paths:
        result = whisper_pipe(chunk)
        transcription += result["text"] + "\n"
        os.remove(chunk)  # 删除已处理的块

    os.remove(wav_path)  # 清理原始文件

    # 将转录结果保存到文本文件
    text_path = "transcription.txt"
    with open(text_path, "w") as f:
        f.write(transcription)

    return text_path

# 在 Colab 中上传并处理音频
uploaded = files.upload()
audio_file = list(uploaded.keys())[0]
transcription_file = transcribe_long_audio(audio_file)

# 下载转录文件
files.download(transcription_file)

代码说明

上述代码实现了在 Colab 中上传音频文件，将其转换为 WAV 格式，分割长音频为小块，使用模型进行转录，并最终下载转录结果的功能。你可以根据实际需求调整代码中的参数，如音频分割的时长等。