Repolode
Enviar
wenet-e2e

wenet-e2e/wenet

Kit de reconocimiento de voz de extremo a extremo en PyTorch, orientado a producción, con herramienta de línea de comandos, API de Python, recetas de entrenamiento y runtimes de despliegue.

Ver en GitHubSitio web
Estrellas
5,256
Forks
1,193
Issues abiertos
22
Último commit
hace 12 días

¿Qué es?

WeNet es un kit de reconocimiento de voz de extremo a extremo diseñado para su uso en producción. Abarca todo el proceso: desde instalar un modelo preentrenado y transcribir audio con el comando `wenet` o la API de Python, hasta entrenar modelos nuevos y desplegarlos mediante runtimes.

El paquete ofrece modelos preentrenados para chino (como paraformer, firered y wenetspeech) e inglés (whisper-large-v3 y whisper-large-v3-turbo). De forma predeterminada, los modelos se ejecutan en CPU; para usar GPU, hay que indicar el dispositivo explícitamente. El proyecto también incluye compilaciones del runtime para x86 y documenta la compatibilidad con configuraciones de Ascend NPU.

El entrenamiento y el despliegue se gestionan desde un repositorio que requiere clonarse y utilizar un entorno conda con PyTorch y torchaudio, además de instalar CUDA o CANN de forma opcional. La integración de modelos de lenguaje utiliza decodificación basada en WFST, que el proyecto compila mediante su runtime.

Funciones clave

  • 01Transcripción desde la línea de comandos con modelos preentrenados para chino e inglés.
  • 02API de Python para cargar un modelo y transcribir audio con unas pocas líneas de código.
  • 03Modelos preentrenados que incluyen paraformer, firered, wenetspeech y variantes de Whisper large-v3.
  • 04Compilaciones del runtime para x86 y otras plataformas para el despliegue.
  • 05Compatibilidad con Ascend NPU mediante torch-npu.

Casos de uso

  • Transcribir archivos de audio en chino o inglés desde la línea de comandos o un script de Python.
  • Entrenar modelos personalizados de reconocimiento de voz de extremo a extremo en PyTorch.
  • Desplegar servicios de reconocimiento en streaming o sin streaming con los runtimes incluidos.
  • Experimentar con la integración de modelos de lenguaje mediante decodificación WFST.

Inicio rápido

  1. 1

    Instala el paquete de Python desde GitHub

    pip install git+https://github.com/wenet-e2e/wenet.git
  2. 2

    Transcribe un archivo de audio desde la línea de comandos

    wenet -m paraformer audio.wav
  3. 3

    O usa la API de Python para transcribir audio

    python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"

Antes de usarlo

  • La herramienta de línea de comandos se ejecuta en la CPU de forma predeterminada; pasa --device cuda para usar una GPU.
  • Al instalar torch con pip, puede seleccionarse una compilación incompatible con el controlador de tu GPU, por lo que quizá tengas que reinstalarlo manualmente para usar la GPU.
  • La configuración para el entrenamiento y el despliegue requiere Conda, CUDA y varias dependencias adicionales, como sox.

En colecciones

Herramientas de vídeo y audio con IA

Temas

#speech-recognition#asr#pytorch#end-to-end#conformer#whisper#deployment#automatic-speech-recognition#e2e-models#production-ready

Preguntas frecuentes

¿Qué es wenet?
Kit de reconocimiento de voz de extremo a extremo en PyTorch, orientado a producción, con herramienta de línea de comandos, API de Python, recetas de entrenamiento y runtimes de despliegue. WeNet es un kit de reconocimiento de voz de extremo a extremo diseñado para su uso en producción. Abarca todo el proceso: desde instalar un modelo preentrenado y transcribir audio con el comando `wenet` o la API de Python, hasta entrenar modelos nuevos y desplegarlos mediante runtimes.
¿wenet es gratuito? ¿Qué licencia tiene?
wenet es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿wenet sigue mantenido?
Mantenimiento activo. El último commit de wenet fue el 26 oct 2026.
¿Para qué puedo usar wenet?
Transcribir archivos de audio en chino o inglés desde la línea de comandos o un script de Python. Entrenar modelos personalizados de reconocimiento de voz de extremo a extremo en PyTorch. Desplegar servicios de reconocimiento en streaming o sin streaming con los runtimes incluidos. Experimentar con la integración de modelos de lenguaje mediante decodificación WFST.
¿Cómo se instala wenet?
Instala el paquete de Python desde GitHub: pip install git+https://github.com/wenet-e2e/wenet.git Transcribe un archivo de audio desde la línea de comandos: wenet -m paraformer audio.wav O usa la API de Python para transcribir audio: python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"
¿Dónde consigo wenet?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/wenet-e2e/wenet

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados