voxlingua107-epaca-tdnn - 全新多语言识别模型，覆盖107种语言，实现精确分类

Voxlingua107-ECAPA-TDNN 项目介绍

项目描述

Voxlingua107-ECAPA-TDNN 是一个用于识别口语语言的模型。该模型基于VoxLingua107数据集，并利用SpeechBrain框架开发。模型采用了ECAPA-TDNN架构，这一架构曾经用于说话人识别。这个模型可以识别语音中所使用的语言，支持107种语言的分类，包括常见的英语、汉语、日语等，也涵盖了一些较少见的语言如阿布哈兹语、加泰罗尼亚语和塔吉克语等。

使用目的与限制

该模型有两个主要用途：

可以直接用作语言识别工具，识别音频语句中所使用的语言。
也可以提取发音级别特征（嵌入），用于在自己的数据上创建专用的语言识别模型。

值得注意的是，该模型是基于自动收集的YouTube数据进行训练的。因此，准确性可能受到数据收集过程中偏差的影响。一些可能的限制和偏见包括：对小语言的识别准确率可能较低；对女性语音识别的效果可能不如男性（因为YouTube数据中男性语音更多）；在带有外国口音的语音识别中表现不佳；对于儿童语音和有语言障碍的人的语音识别效果可能也不理想。

使用说明

可以通过以下Python代码示例来使用该模型：

import torchaudio
from speechbrain.pretrained import EncoderClassifier

# 加载预训练的语言识别模型
language_id = EncoderClassifier.from_hparams(source="TalTechNLP/voxlingua107-epaca-tdnn", savedir="tmp")

# 下载并转换成合适格式的泰语音频样例
signal = language_id.load_audio("https://omniglot.com/soundfiles/udhr/udhr_th.mp3")
prediction = language_id.classify_batch(signal)

# 输出预测结果，其中包括预测语言的ISO代码
print(prediction[3])  # 输出：['th']

# 或者，可以使用发音嵌入提取器，以获取特征嵌入
emb = language_id.encode_batch(signal)
print(emb.shape)  # 输出：torch.Size([1, 1, 256])

培训数据

模型的训练数据集是VoxLingua107。该数据集用于训练口语语言识别模型，由短语音片段组成，这些片段是从YouTube视频中自动提取的，并根据视频标题和描述进行语言标记。为了减少误标记，数据收集过程中进行了后期处理。VoxLingua107 数据集包含107种语言的6628小时语音数据。

训练方法

模型使用SpeechBrain框架进行训练。有关训练过程的详细配方将于近期公布。

评估结果

在开发数据集上的错误率为7%。这表明该模型在多数情况下能较为准确地识别所述语言。

引用信息

如果需要引用此研究，请参考以下BibTeX信息：

@inproceedings{valk2021slt,
  title={{VoxLingua107}: a Dataset for Spoken Language Recognition},
  author={J{\"o}rgen Valk and Tanel Alum{\"a}e},
  booktitle={Proc. IEEE SLT Workshop},
  year={2021},
}