wenet-e2e/wenet

これは何？

主な機能

• 01中国語・英語の学習済みモデルを使ったコマンドラインでの文字起こし。
• 02モデルの読み込みから音声の文字起こしまでを数行で行えるPython API。
• 03paraformer、firered、wenetspeech、Whisper large-v3の各種モデルを含む学習済みモデル。
• 04デプロイ向けのx86およびその他のプラットフォーム用ランタイムビルド。
• 05torch-npuを介したAscend NPUのサポート。

ユースケース

• コマンドラインまたはPythonスクリプトで、中国語や英語の音声ファイルを文字起こしする。
• PyTorchで独自のエンドツーエンド音声認識モデルを学習する。
• 提供されているランタイムを使って、ストリーミングまたは非ストリーミングの音声認識サービスをデプロイする。
• WFSTデコーディングによる言語モデル統合を試す。

クイックスタート

1. 1

   GitHubからPythonパッケージをインストールする

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

   コマンドラインから音声ファイルを書き起こす

   wenet -m paraformer audio.wav
3. 3

   またはPython APIを使って音声を書き起こす

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

使う前に知っておきたいこと

• !コマンドラインツールはデフォルトでCPU上で実行されます。GPUを使うには --device cuda を指定してください。
• !pipでtorchをインストールすると、GPUドライバーに合わないビルドが選ばれる場合があるため、GPUを使うには手動で再インストールが必要になることがあります。
• !トレーニングとデプロイの環境構築には、Conda、CUDA、およびsoxなどの追加依存関係がいくつか必要です。

収録されている特集

トピック

よくある質問

wenet とは？

コマンドラインツール、Python API、学習レシピ、デプロイ用ランタイムを備えた、本番運用を重視したPyTorch製エンドツーエンド音声認識ツールキット。 WeNetは、本番環境での利用を重視して開発されたエンドツーエンド音声認識ツールキットです。`wenet`コマンドまたはPython APIで音声を文字起こしするための学習済みモデルの導入から、新しいモデルの学習、ランタイムを通じたデプロイまで、全工程をカバーします。

wenet は無料で使えますか？ライセンスは？

wenet は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

wenet は今もメンテナンスされていますか？

活発にメンテナンス中。wenet の最終コミットは 2026年10月26日 です。

wenet は何に使えますか？

コマンドラインまたはPythonスクリプトで、中国語や英語の音声ファイルを文字起こしする。 PyTorchで独自のエンドツーエンド音声認識モデルを学習する。 提供されているランタイムを使って、ストリーミングまたは非ストリーミングの音声認識サービスをデプロイする。 WFSTデコーディングによる言語モデル統合を試す。

wenet のインストール方法は？

GitHubからPythonパッケージをインストールする: pip install git+https://github.com/wenet-e2e/wenet.git コマンドラインから音声ファイルを書き起こす: wenet -m paraformer audio.wav またはPython APIを使って音声を書き起こす: python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"

wenet はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/wenet-e2e/wenet