Whisper Large V3 Persian Common Voice 17

🚀 波斯语语音识别模型 - Whisper Large v3

本项目是基于 Whisper Large v3 微调的波斯语自动语音识别（ASR）模型。它在 Common Voice 17 数据集上进行训练，使用了超过 250,000 个波斯语音频样本，相比之前在 Common Voice 11 数据集上训练的模型（仅 83,000 个样本），大幅提升了识别的准确性和鲁棒性。

✨ 主要特性

• 数据增强：使用 Common Voice 17 数据集进行微调，包含超过 250,000 个波斯语音频样本，显著降低了词错误率（WER）。
• 模型精准：在波斯语语音识别任务中表现出色，为波斯语社区提供了更准确、可靠的语音识别服务。

📦 安装指南

本项目使用 transformers 库，你可以通过以下命令安装：

pip install transformers

💻 使用示例

基础用法

from transformers import pipeline

asr_pipe = pipeline(
    "automatic-speech-recognition",
    model="MohammadGholizadeh/whisper-large-v3-persian-common-voice-17",
    chunk_length_s=30
)

text = asr_pipe("your_file")["text"]
print(text)

代码解释

• pipeline 函数用于创建一个自动语音识别的管道。
• model 参数指定使用的模型。
• chunk_length_s 参数指定音频处理的块长度。

📚 详细文档

模型信息

注意事项

⚠️ 重要提示

由于微调过程中未包含时间戳信息，模型无法返回时间戳。即使尝试返回，也会遇到错误。解决方案是将音频文件分割成较小的块。进一步的微调肯定会提高模型的准确性。我们目前正在寻求硬件和 ASR 数据集合作的赞助。

引用信息

@misc{whisper_persian_cv17,
  author = {Mohammad Sadegh Gholizadeh},
  title = {Whisper Large v3 - Persian (Common Voice 17)},
  year = {2025},
  url = {https://huggingface.co/msghol/whisper-large-v3-persian-common-voice-17}
}

📄 许可证

本项目采用 Apache-2.0 许可证。