Add pre-trained models for the Libriheavy dataset (#1122)
This commit is contained in:
136
.github/workflows/export-libriheavy.yaml
vendored
Normal file
136
.github/workflows/export-libriheavy.yaml
vendored
Normal file
@@ -0,0 +1,136 @@
|
|||||||
|
name: export-libriheavy-to-onnx
|
||||||
|
|
||||||
|
on:
|
||||||
|
push:
|
||||||
|
branches:
|
||||||
|
- libriheavy-model
|
||||||
|
workflow_dispatch:
|
||||||
|
|
||||||
|
concurrency:
|
||||||
|
group: export-libriheavy-to-onnx-${{ github.ref }}
|
||||||
|
cancel-in-progress: true
|
||||||
|
|
||||||
|
jobs:
|
||||||
|
export-libriheavy-to-onnx:
|
||||||
|
if: github.repository_owner == 'k2-fsa' || github.repository_owner == 'csukuangfj'
|
||||||
|
name: export libriheavy
|
||||||
|
runs-on: ${{ matrix.os }}
|
||||||
|
strategy:
|
||||||
|
fail-fast: false
|
||||||
|
matrix:
|
||||||
|
os: [ubuntu-latest]
|
||||||
|
python-version: ["3.8"]
|
||||||
|
|
||||||
|
steps:
|
||||||
|
- uses: actions/checkout@v4
|
||||||
|
|
||||||
|
- name: Setup Python ${{ matrix.python-version }}
|
||||||
|
uses: actions/setup-python@v5
|
||||||
|
with:
|
||||||
|
python-version: ${{ matrix.python-version }}
|
||||||
|
|
||||||
|
- name: Run
|
||||||
|
shell: bash
|
||||||
|
run: |
|
||||||
|
cd scripts/icefall
|
||||||
|
./run-libriheavy.sh
|
||||||
|
./run-libriheavy-punct-case.sh
|
||||||
|
|
||||||
|
- name: Publish to huggingface
|
||||||
|
env:
|
||||||
|
HF_TOKEN: ${{ secrets.HF_TOKEN }}
|
||||||
|
uses: nick-fields/retry@v3
|
||||||
|
with:
|
||||||
|
max_attempts: 20
|
||||||
|
timeout_seconds: 200
|
||||||
|
shell: bash
|
||||||
|
command: |
|
||||||
|
git config --global user.email "csukuangfj@gmail.com"
|
||||||
|
git config --global user.name "Fangjun Kuang"
|
||||||
|
|
||||||
|
for m in large medium small; do
|
||||||
|
rm -rf huggingface
|
||||||
|
export GIT_LFS_SKIP_SMUDGE=1
|
||||||
|
export GIT_CLONE_PROTECTION_ACTIVE=false
|
||||||
|
|
||||||
|
src=sherpa-onnx-zipformer-en-libriheavy-20230926-$m
|
||||||
|
echo "Process $src"
|
||||||
|
|
||||||
|
git clone https://huggingface.co/csukuangfj/$src huggingface
|
||||||
|
cd huggingface
|
||||||
|
git fetch
|
||||||
|
git pull
|
||||||
|
|
||||||
|
cp -av ../scripts/icefall/$src/* .
|
||||||
|
|
||||||
|
git lfs track "*.onnx"
|
||||||
|
git add .
|
||||||
|
|
||||||
|
git commit -m "add large"
|
||||||
|
git push https://csukuangfj:$HF_TOKEN@huggingface.co/csukuangfj/$src main || true
|
||||||
|
|
||||||
|
cd ..
|
||||||
|
|
||||||
|
rm -rf huggingface/.git*
|
||||||
|
|
||||||
|
mv huggingface $src
|
||||||
|
|
||||||
|
tar cjvf $src.tar.bz2 $src
|
||||||
|
rm -rf $src
|
||||||
|
ls -lh
|
||||||
|
done
|
||||||
|
|
||||||
|
- name: Publish to huggingface (case and punct)
|
||||||
|
env:
|
||||||
|
HF_TOKEN: ${{ secrets.HF_TOKEN }}
|
||||||
|
uses: nick-fields/retry@v3
|
||||||
|
with:
|
||||||
|
max_attempts: 20
|
||||||
|
timeout_seconds: 200
|
||||||
|
shell: bash
|
||||||
|
command: |
|
||||||
|
git config --global user.email "csukuangfj@gmail.com"
|
||||||
|
git config --global user.name "Fangjun Kuang"
|
||||||
|
|
||||||
|
for m in large medium small; do
|
||||||
|
rm -rf huggingface
|
||||||
|
export GIT_LFS_SKIP_SMUDGE=1
|
||||||
|
export GIT_CLONE_PROTECTION_ACTIVE=false
|
||||||
|
|
||||||
|
src=sherpa-onnx-zipformer-en-libriheavy-20230830-$m-punct-case
|
||||||
|
echo "Process $src"
|
||||||
|
|
||||||
|
git clone https://huggingface.co/csukuangfj/$src huggingface
|
||||||
|
cd huggingface
|
||||||
|
git fetch
|
||||||
|
git pull
|
||||||
|
|
||||||
|
cp -av ../scripts/icefall/$src/* .
|
||||||
|
|
||||||
|
git lfs track "*.onnx"
|
||||||
|
git add .
|
||||||
|
|
||||||
|
git commit -m "add large"
|
||||||
|
git push https://csukuangfj:$HF_TOKEN@huggingface.co/csukuangfj/$src main || true
|
||||||
|
|
||||||
|
cd ..
|
||||||
|
|
||||||
|
rm -rf huggingface/.git*
|
||||||
|
|
||||||
|
mv huggingface $src
|
||||||
|
|
||||||
|
tar cjvf $src.tar.bz2 $src
|
||||||
|
rm -rf $src
|
||||||
|
ls -lh
|
||||||
|
done
|
||||||
|
|
||||||
|
- name: Release
|
||||||
|
uses: svenstaro/upload-release-action@v2
|
||||||
|
with:
|
||||||
|
file_glob: true
|
||||||
|
file: ./*.tar.bz2
|
||||||
|
overwrite: true
|
||||||
|
repo_name: k2-fsa/sherpa-onnx
|
||||||
|
repo_token: ${{ secrets.UPLOAD_GH_SHERPA_ONNX_TOKEN }}
|
||||||
|
tag: asr-models
|
||||||
|
|
||||||
@@ -80,7 +80,7 @@ def get_2nd_models():
|
|||||||
|
|
||||||
rm -fv README.md
|
rm -fv README.md
|
||||||
rm -rfv test_wavs
|
rm -rfv test_wavs
|
||||||
rm model.onnx
|
rm -fv model.onnx
|
||||||
|
|
||||||
ls -lh
|
ls -lh
|
||||||
|
|
||||||
|
|||||||
@@ -82,7 +82,7 @@ def get_models():
|
|||||||
|
|
||||||
rm -fv README.md
|
rm -fv README.md
|
||||||
rm -rfv test_wavs
|
rm -rfv test_wavs
|
||||||
rm model.onnx
|
rm -fv model.onnx
|
||||||
|
|
||||||
ls -lh
|
ls -lh
|
||||||
|
|
||||||
@@ -189,7 +189,7 @@ def get_models():
|
|||||||
pushd $model_name
|
pushd $model_name
|
||||||
|
|
||||||
rm -rfv test_wavs
|
rm -rfv test_wavs
|
||||||
rm test.py
|
rm -fv test.py
|
||||||
|
|
||||||
ls -lh
|
ls -lh
|
||||||
|
|
||||||
@@ -208,8 +208,8 @@ def get_models():
|
|||||||
rm -fv README.md
|
rm -fv README.md
|
||||||
rm -fv bpe.model
|
rm -fv bpe.model
|
||||||
|
|
||||||
rm encoder-epoch-12-avg-5.onnx
|
rm -fv encoder-epoch-12-avg-5.onnx
|
||||||
rm decoder-epoch-12-avg-5.int8.onnx
|
rm -fv decoder-epoch-12-avg-5.int8.onnx
|
||||||
rm joiner-epoch-12-avg-5.onnx
|
rm joiner-epoch-12-avg-5.onnx
|
||||||
|
|
||||||
ls -lh
|
ls -lh
|
||||||
@@ -229,9 +229,9 @@ def get_models():
|
|||||||
rm -fv README.md
|
rm -fv README.md
|
||||||
rm -fv bpe.model
|
rm -fv bpe.model
|
||||||
|
|
||||||
rm encoder-epoch-99-avg-1.onnx
|
rm -fv encoder-epoch-99-avg-1.onnx
|
||||||
rm decoder-epoch-99-avg-1.int8.onnx
|
rm -fv decoder-epoch-99-avg-1.int8.onnx
|
||||||
rm joiner-epoch-99-avg-1.onnx
|
rm -fv joiner-epoch-99-avg-1.onnx
|
||||||
|
|
||||||
ls -lh
|
ls -lh
|
||||||
|
|
||||||
|
|||||||
131
scripts/icefall/run-libriheavy-punct-case.sh
Executable file
131
scripts/icefall/run-libriheavy-punct-case.sh
Executable file
@@ -0,0 +1,131 @@
|
|||||||
|
#!/usr/bin/env bash
|
||||||
|
set -ex
|
||||||
|
|
||||||
|
cur_dir=$(cd $(dirname $BASH_SOURCE) && pwd)
|
||||||
|
sherpa_onnx_dir=$(cd $cur_dir/../.. && pwd)
|
||||||
|
echo "sherpa_onnx_dir: $sherpa_onnx_dir"
|
||||||
|
|
||||||
|
pip install sherpa-onnx # for testing
|
||||||
|
|
||||||
|
function download_model() {
|
||||||
|
git lfs install
|
||||||
|
git clone https://www.modelscope.cn/pkufool/icefall-asr-zipformer-libriheavy-punc-20230830.git
|
||||||
|
}
|
||||||
|
|
||||||
|
function download_test_wavs() {
|
||||||
|
d=$1
|
||||||
|
mkdir $d/test_wavs
|
||||||
|
pushd $d/test_wavs
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/0.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/1.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/8k.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/trans.txt
|
||||||
|
popd
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_large() {
|
||||||
|
echo "----------large----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-punc-20230830
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230830-large-punct-case
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_756/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_756/tokens.txt $dst/
|
||||||
|
cp -v $src/exp/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-16-avg-2.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-16-avg-2.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-16-avg-2.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-16-avg-2.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-16-avg-2.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-16-avg-2.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_medium() {
|
||||||
|
echo "----------medium subset----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-punc-20230830
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230830-medium-punct-case
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_756/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_756/tokens.txt $dst/
|
||||||
|
cp -v $src/exp_medium_subset/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-50-avg-15.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-50-avg-15.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-50-avg-15.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-50-avg-15.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-50-avg-15.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-50-avg-15.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_small() {
|
||||||
|
echo "----------small subset----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-punc-20230830
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230830-small-punct-case
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_756/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_756/tokens.txt $dst/
|
||||||
|
cp -v $src/exp_small_subset/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-88-avg-41.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-88-avg-41.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-88-avg-41.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-88-avg-41.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-88-avg-41.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-88-avg-41.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
download_model
|
||||||
|
|
||||||
|
export_large
|
||||||
|
export_medium
|
||||||
|
export_small
|
||||||
|
|
||||||
|
rm -rf icefall-asr-zipformer-libriheavy-punc-20230830
|
||||||
132
scripts/icefall/run-libriheavy.sh
Executable file
132
scripts/icefall/run-libriheavy.sh
Executable file
@@ -0,0 +1,132 @@
|
|||||||
|
#!/usr/bin/env bash
|
||||||
|
|
||||||
|
set -ex
|
||||||
|
|
||||||
|
cur_dir=$(cd $(dirname $BASH_SOURCE) && pwd)
|
||||||
|
sherpa_onnx_dir=$(cd $cur_dir/../.. && pwd)
|
||||||
|
echo "sherpa_onnx_dir: $sherpa_onnx_dir"
|
||||||
|
|
||||||
|
pip install sherpa-onnx # for testing
|
||||||
|
|
||||||
|
function download_model() {
|
||||||
|
git lfs install
|
||||||
|
git clone https://www.modelscope.cn/pkufool/icefall-asr-zipformer-libriheavy-20230926.git
|
||||||
|
}
|
||||||
|
|
||||||
|
function download_test_wavs() {
|
||||||
|
d=$1
|
||||||
|
mkdir $d/test_wavs
|
||||||
|
pushd $d/test_wavs
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/0.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/1.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/8k.wav
|
||||||
|
curl -SL -O https://huggingface.co/csukuangfj/sherpa-onnx-whisper-medium.en/resolve/main/test_wavs/trans.txt
|
||||||
|
popd
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_large() {
|
||||||
|
echo "----------large----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-20230926
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230926-large
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_500/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_500/tokens.txt $dst/
|
||||||
|
cp -v $src/exp/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-16-avg-3.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-16-avg-3.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-16-avg-3.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-16-avg-3.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-16-avg-3.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-16-avg-3.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_medium() {
|
||||||
|
echo "----------medium subset----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-20230926
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230926-medium
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_500/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_500/tokens.txt $dst/
|
||||||
|
cp -v $src/exp_medium_subset/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-60-avg-20.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-60-avg-20.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-60-avg-20.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-60-avg-20.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-60-avg-20.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-60-avg-20.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
function export_small() {
|
||||||
|
echo "----------small subset----------"
|
||||||
|
src=icefall-asr-zipformer-libriheavy-20230926
|
||||||
|
dst=sherpa-onnx-zipformer-en-libriheavy-20230926-small
|
||||||
|
mkdir $dst
|
||||||
|
|
||||||
|
cp -v $src/data/lang_bpe_500/bpe.model $dst/
|
||||||
|
cp -v $src/data/lang_bpe_500/tokens.txt $dst/
|
||||||
|
cp -v $src/exp_small_subset/*.onnx $dst/
|
||||||
|
download_test_wavs $dst
|
||||||
|
|
||||||
|
ls -lh $dst
|
||||||
|
ls -lh $dst/test_wavs
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-90-avg-20.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-90-avg-20.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-90-avg-20.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
|
||||||
|
sherpa-onnx-offline \
|
||||||
|
--encoder=$dst/encoder-epoch-90-avg-20.int8.onnx \
|
||||||
|
--decoder=$dst/decoder-epoch-90-avg-20.onnx \
|
||||||
|
--joiner=$dst/joiner-epoch-90-avg-20.int8.onnx \
|
||||||
|
--tokens=$dst/tokens.txt \
|
||||||
|
$dst/test_wavs/0.wav \
|
||||||
|
$dst/test_wavs/1.wav \
|
||||||
|
$dst/test_wavs/8k.wav
|
||||||
|
}
|
||||||
|
|
||||||
|
download_model
|
||||||
|
|
||||||
|
export_large
|
||||||
|
export_medium
|
||||||
|
export_small
|
||||||
|
|
||||||
|
rm -rf icefall-asr-zipformer-libriheavy-20230926
|
||||||
Reference in New Issue
Block a user