简介

AudioSangraha 是一款轻量级的语音转文字（ASR）工具，旨在将音频高效地转换为文本。对于中国开发者而言，它提供了一个基于 Apache-2.0 协议的开源方案，非常适合集成到个人项目或企业内部的自动化工作流中。相比于重量级的商业 API，它的上手难度较低，能够快速实现会议记录、播客转写等基础场景。如果你需要一个无需复杂配置且具备良好兼容性的音频处理组件，它可以作为现有文本分析管线的前端输入端，与 LLM 结合实现语音内容的智能化总结。

核心亮点

基于 Apache-2.0 协议，企业级集成无压力
专注语音转文本，适配多种音频转写场景
轻量化部署，上手快且易于集成到工作流
可与大模型结合，实现语音内容的智能分析

使用方法

安装依赖

# 安装 Hugging Face transformers
pip install transformers torch

SDK 使用

# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("AqeelShafy7/AudioSangraha-Audio_to_Text")
tokenizer = AutoTokenizer.from_pretrained("AqeelShafy7/AudioSangraha-Audio_to_Text")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引

pip install -U huggingface_hub

命令行下载

下载完整模型库

huggingface-cli download AqeelShafy7/AudioSangraha-Audio_to_Text

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

huggingface-cli download AqeelShafy7/AudioSangraha-Audio_to_Text config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('AqeelShafy7/AudioSangraha-Audio_to_Text')

Git 下载

请确保 lfs 已经被正确安装

Git 下载

git lfs install
git clone https://huggingface.co/AqeelShafy7/AudioSangraha-Audio_to_Text

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS

GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/AqeelShafy7/AudioSangraha-Audio_to_Text

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

pip install -U transformers torch

模型加载和推理

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('AqeelShafy7/AudioSangraha-Audio_to_Text')
tokenizer = AutoTokenizer.from_pretrained('AqeelShafy7/AudioSangraha-Audio_to_Text')

完整文档

来源: HuggingFace

---
license: apache-2.0
base_model: openai/whisper-small
tags:

trnslation

generated_from_trainer

metrics:

wer

model-index:

name: AudioSangraha-Audio_to_Text

results: []
---