klaam
1.0.0
Pengenalan ucapan Arab, klasifikasi dan teks-ke-speech menggunakan banyak model canggih seperti Wave2Vec dan FastSpeech2. Repositori ini memungkinkan pelatihan dan prediksi menggunakan model pretrained.
from klaam import SpeechClassification
model = SpeechClassification ()
model . classify ( wav_file ) from klaam import SpeechRecognition
model = SpeechRecognition ()
model . transcribe ( wav_file ) from klaam import TextToSpeech
prepare_tts_model_path = "../cfgs/FastSpeech2/config/Arabic/preprocess.yaml"
model_config_path = "../cfgs/FastSpeech2/config/Arabic/model.yaml"
train_config_path = "../cfgs/FastSpeech2/config/Arabic/train.yaml"
vocoder_config_path = "../cfgs/FastSpeech2/model_config/hifigan/config.json"
speaker_pre_trained_path = "../data/model_weights/hifigan/generator_universal.pth.tar"
model = TextToSpeech ( prepare_tts_model_path , model_config_path , train_config_path , vocoder_config_path , speaker_pre_trained_path )
model . synthesize ( sample_text ) Ada dua model yang tersedia untuk pengakuan Trageting Modern Standard Arab (MSA) dan dialek Mesir (Mesir). Anda dapat mengatur salah satu dari mereka menggunakan atribut lang .
from klaam import SpeechRecognition
model = SpeechRecognition ( lang = 'msa' )
model . transcribe ( 'file.wav' )| Dataset | Keterangan | Link |
|---|---|---|
| MGB-3 | Pengakuan Ucapan Arab Mesir di alam liar. Setiap kalimat dijelaskan oleh empat annotator. Lebih dari 15 jam telah dikumpulkan dari YouTube. | di sini [diperlukan register] |
| Adi-5 | Lebih dari 50 jam dikumpulkan dari Aljazeera TV. 4 dialek regional: Mesir (Mesir), Levantine (LAV), Teluk (GLF), Afrika Utara (NOR), dan Modern Standard Arab (MSA). Dataset ini adalah bagian dari tantangan MGB-3. | di sini [diperlukan register] |
| Suara umum | Dataset multlilingual tersedia di Huggingface | Di Sini. |
| Corpus Pidato Arab | Dataset Arab dengan penyelarasan dan transkripsi | Di Sini. |
Proyek kami saat ini mendukung empat model, tiga di antaranya tersedia di Transformers.
| Bahasa | Keterangan | Sumber |
|---|---|---|
| Mesir | Pengakuan ucapan | WAV2VEC2-LARGE-XLSR-53-Arab-Egyptian |
| Standar Arab | Pengakuan ucapan | wav2vec2-large-xlsr-53-arabic |
| Egy, Nor, Lav, GLF, MSA | Klasifikasi Pidato | wav2vec2-large-xlsr-dialect-classification |
| Standar Arab | Teks-ke-speech | fastspeech2 |
| Nama | Keterangan | Buku catatan |
|---|---|---|
| Demo | Klasifikasi, Recongisi, dan Teks-ke-Pidato dalam beberapa baris kode. | |
| Demo dengan mic | Receongition dan klasifikasi audio dengan perekaman. |
Script adalah modifikasi JQueguiner/WAV2VEC2-SPRINT.
Script ini digunakan untuk tugas klasifikasi pada 5 kelas.
python run_classifier.py
--model_name_or_path= " facebook/wav2vec2-large-xlsr-53 "
--output_dir=/path/to/output
--cache_dir=/path/to/cache/
--freeze_feature_extractor
--num_train_epochs= " 50 "
--per_device_train_batch_size= " 32 "
--preprocessing_num_workers= " 1 "
--learning_rate= " 3e-5 "
--warmup_steps= " 20 "
--evaluation_strategy= " steps "
--save_steps= " 100 "
--eval_steps= " 100 "
--save_total_limit= " 1 "
--logging_steps= " 100 "
--do_eval
--do_train Script ini untuk pelatihan tentang dataset untuk pretraining pada dataset dialek Mesir.
python run_mgb3.py
--model_name_or_path= " facebook/wav2vec2-large-xlsr-53 "
--output_dir=/path/to/output
--cache_dir=/path/to/cache/
--freeze_feature_extractor
--num_train_epochs= " 50 "
--per_device_train_batch_size= " 32 "
--preprocessing_num_workers= " 1 "
--learning_rate= " 3e-5 "
--warmup_steps= " 20 "
--evaluation_strategy= " steps "
--save_steps= " 100 "
--eval_steps= " 100 "
--save_total_limit= " 1 "
--logging_steps= " 100 "
--do_eval
--do_train Script ini dapat digunakan untuk pelatihan suara umum Arab
python run_common_voice.py
--model_name_or_path= " facebook/wav2vec2-large-xlsr-53 "
--dataset_config_name= " ar "
--output_dir=/path/to/output/
--cache_dir=/path/to/cache
--overwrite_output_dir
--num_train_epochs= " 1 "
--per_device_train_batch_size= " 32 "
--per_device_eval_batch_size= " 32 "
--evaluation_strategy= " steps "
--learning_rate= " 3e-4 "
--warmup_steps= " 500 "
--fp16
--freeze_feature_extractor
--save_steps= " 10 "
--eval_steps= " 10 "
--save_total_limit= " 1 "
--logging_steps= " 10 "
--group_by_length
--feat_proj_dropout= " 0.0 "
--layerdrop= " 0.1 "
--gradient_checkpointing
--do_train --do_eval
--max_train_samples 100 --max_val_samples 100Kami menggunakan implementasi Pytorch dari FastSpeech2 oleh MING024.
Prosedurnya adalah sebagai berikut:
wget http://en.arabicspeechcorpus.com/arabic-speech-corpus.zip
unzip arabic-speech-corpus.zip
mkdir -p raw_data/Arabic/Arabic preprocessed_data/Arabic/TextGrid/Arabic
cp arabic-speech-corpus/textgrid/* preprocessed_data/Arabic/TextGrid/Arabic
import os
base_dir = '/content/arabic-speech-corpus'
lines = []
for lab_file in os . listdir ( f' { base_dir } /lab' ):
lines . append ( lab_file [: - 4 ] + '|' + open ( f' { base_dir } /lab/ { lab_file } ' , 'r' ). read ())
open ( f' { base_dir } /metadata.csv' , 'w' ). write (( ' n ' ). join ( lines ))git clone --depth 1 https://github.com/zaidalyafeai/FastSpeech2
cd FastSpeech2
pip install -r requirements.txt python3 prepare_align.py config/Arabic/preprocess.yaml
python3 preprocess.py config/Arabic/preprocess.yaml
unzip hifigan/generator_LJSpeech.pth.tar.zip -d hifigan
unzip hifigan/generator_universal.pth.tar.zip -d hifigan
python3 train.py -p config/Arabic/preprocess.yaml -m config/Arabic/model.yaml -t config/Arabic/train.yaml
Repositori ini dibuat oleh tim ARBML. Jika Anda memiliki saran atau kontribusi, jangan ragu untuk membuat permintaan tarik.
