🚀 Whisper-NER
Whisper-NER是一款创新模型,可实现语音转录和实体识别的联合处理。它支持开放式命名实体识别,能在推理时识别多样化且不断演变的实体。该模型旨在作为带有命名实体识别(NER)的自动语音识别(ASR)下游任务的强大基础模型,还可在特定数据集上进行微调以提升性能。
🚀 快速开始
✨ 主要特性
- 支持语音转录和实体识别的联合处理。
- 能够进行开放式命名实体识别,可识别多样化且不断演变的实体。
- 可作为带有NER的ASR下游任务的强大基础模型,并可在特定数据集上微调以提升性能。
📦 安装指南
文档未提及安装步骤,故跳过该章节。
💻 使用示例
基础用法
import torch
from transformers import WhisperProcessor, WhisperForConditionalGeneration
model_path = "aiola/whisper-ner-v1"
audio_file_path = "path/to/audio/file"
prompt = "person, company, location"
processor = WhisperProcessor.from_pretrained(model_path)
model = WhisperForConditionalGeneration.from_pretrained(model_path)
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
target_sample_rate = 16000
signal, sampling_rate = torchaudio.load(audio_file_path)
resampler = torchaudio.transforms.Resample(sampling_rate, target_sample_rate)
signal = resampler(signal)
if signal.ndim == 2:
signal = torch.mean(signal, dim=0)
input_features = processor(
signal, sampling_rate=target_sample_rate, return_tensors="pt"
).input_features
input_features = input_features.to(device)
prompt_ids = processor.get_prompt_ids(prompt.lower(), return_tensors="pt")
prompt_ids = prompt_ids.to(device)
with torch.no_grad():
predicted_ids = model.generate(
input_features,
prompt_ids=prompt_ids,
generation_config=model.generation_config,
language="en",
)
transcription = processor.batch_decode(
predicted_ids, skip_special_tokens=True
)[0]
print(transcription)
高级用法
文档未提及高级用法相关代码,故跳过该部分。
📚 详细文档
训练详情
aiola/whisper-ner-v1
在NuNER数据集上进行训练,以执行联合音频转录和命名实体识别(NER)标记。该模型仅在英文数据上进行训练和评估。如需了解完整详情,请查看论文。
🔧 技术细节
文档未提供足够的技术实现细节(少于50字),故跳过该章节。
📄 许可证
本项目采用MIT许可证。