Repolode
Enviar
wenet-e2e

wenet-e2e/wenet

Toolkit de reconhecimento de fala ponta a ponta, desenvolvido para produção em PyTorch, com ferramenta de linha de comando, API Python, receitas de treinamento e runtimes de implantação.

Ver no GitHubSite
Estrelas
5,256
Forks
1,193
Issues abertas
22
Último commit
há 12 dias

O que é?

O WeNet é um toolkit de reconhecimento de fala ponta a ponta, desenvolvido para uso em produção. Ele cobre todo o fluxo, desde instalar um modelo pré-treinado e transcrever áudio com o comando `wenet` ou a API Python até treinar novos modelos e implantá-los por meio de runtimes.

O pacote oferece modelos pré-treinados para chinês (como paraformer, firered e wenetspeech) e inglês (whisper-large-v3 e whisper-large-v3-turbo). Por padrão, os modelos são executados na CPU; para usar a GPU, é preciso informar o dispositivo explicitamente. O projeto também inclui builds de runtime para x86 e documenta o suporte a configurações com Ascend NPU.

O treinamento e a implantação são feitos em um repositório que exige clonagem, um ambiente conda com PyTorch e torchaudio e, opcionalmente, a instalação de CUDA ou CANN. A integração com modelos de linguagem usa decodificação baseada em WFST, que o projeto compila por meio do runtime.

Recursos principais

  • 01Transcrição pela linha de comando com modelos pré-treinados para chinês e inglês.
  • 02API Python para carregar um modelo e transcrever áudio com poucas linhas de código.
  • 03Modelos pré-treinados, incluindo paraformer, firered, wenetspeech e variantes do Whisper large-v3.
  • 04Builds de runtime para x86 e outras plataformas, voltados à implantação.
  • 05Suporte a Ascend NPU por meio de torch-npu.

Casos de uso

  • Transcrever arquivos de áudio em chinês ou inglês pela linha de comando ou com um script Python.
  • Treinar modelos personalizados de reconhecimento de fala ponta a ponta em PyTorch.
  • Implantar serviços de reconhecimento com ou sem streaming usando os runtimes fornecidos.
  • Experimentar a integração com modelos de linguagem por meio da decodificação WFST.

Início rápido

  1. 1

    Instale o pacote Python do GitHub

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

    Transcreva um arquivo de áudio pela linha de comando

    wenet -m paraformer audio.wav
  3. 3

    Ou use a API Python para transcrever áudio

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

Antes de usar

  • A ferramenta de linha de comando é executada na CPU por padrão. Passe --device cuda para usar uma GPU.
  • Ao instalar torch com pip, pode ser escolhida uma versão incompatível com o driver da sua GPU; por isso, talvez seja necessário reinstalá-lo manualmente para usar a GPU.
  • A configuração para treinamento e implantação requer Conda, CUDA e várias dependências adicionais, como sox.

Em coleções

Ferramentas de vídeo e áudio com IA

Tópicos

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

Perguntas frequentes

O que é wenet?
Toolkit de reconhecimento de fala ponta a ponta, desenvolvido para produção em PyTorch, com ferramenta de linha de comando, API Python, receitas de treinamento e runtimes de implantação. O WeNet é um toolkit de reconhecimento de fala ponta a ponta, desenvolvido para uso em produção. Ele cobre todo o fluxo, desde instalar um modelo pré-treinado e transcrever áudio com o comando `wenet` ou a API Python até treinar novos modelos e implantá-los por meio de runtimes.
wenet é gratuito? Qual é a licença?
wenet é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
wenet ainda é mantido?
Manutenção ativa. O último commit de wenet foi em 26 de out. de 2026.
Para que posso usar wenet?
Transcrever arquivos de áudio em chinês ou inglês pela linha de comando ou com um script Python. Treinar modelos personalizados de reconhecimento de fala ponta a ponta em PyTorch. Implantar serviços de reconhecimento com ou sem streaming usando os runtimes fornecidos. Experimentar a integração com modelos de linguagem por meio da decodificação WFST.
Como instalar wenet?
Instale o pacote Python do GitHub: pip install git+https://github.com/wenet-e2e/wenet.git Transcreva um arquivo de áudio pela linha de comando: wenet -m paraformer audio.wav Ou use a API Python para transcrever áudio: python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"
Onde consigo wenet?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/wenet-e2e/wenet

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados