BLI ASR 0. La parole lingala, transcrite.
Notre premier modèle de reconnaissance automatique de la parole pour le lingala. Construit sur OpenAI Whisper large-v3 et adapté avec LoRA, BLI ASR 0 transforme l'audio lingala en texte — un modèle précoce, orienté communauté, pour une langue bantoue sous-dotée.
- Tâche 01
- Reconnaissance vocale
- Langue 02
- Lingala
- Modèle de base 03
- Whisper large-v3
- CER · norm. 04
- 0.1703
Ce qu'il fait.
BLI ASR 0 transcrit la parole lingala en texte lingala. Ce n'est pas un modèle de traduction — il écoute en lingala et écrit en lingala.
Il est pensé comme un modèle de transcription de première passe : utile pour la recherche sur l'ASR à faibles ressources, pour amorcer de nouveaux datasets, et comme transcription assistée avant relecture par des annotateurs humains.
C'est une sortie précoce. Nous la publions en open source, avec ses limites énoncées clairement, parce que livrer et documenter vaut mieux qu'attendre la perfection.
Entraîné sur Waxal Lingala.
Le modèle a été entraîné sur le dataset Waxal Lingala ASR, réparti en ensembles d'entraînement, de validation et de test held-out.
Post-traitement du texte
Nous avons appliqué un pipeline de normalisation léger — l'objectif était de réduire le bruit, pas d'imposer une orthographe stricte. Nous avons délibérément évité la correction orthographique agressive, car le lingala présente une forte variation orthographique selon les locuteurs, les régions et les sources.
- Normalisation Unicode
- Mise en minuscules
- Normalisation des espaces
- Nettoyage de la ponctuation et des symboles
- Transcription brute d'origine préservée quand disponible
- Champ de transcription normalisée utilisé pour l'entraînement / l'évaluation
Comment il a été construit.
Fine-tuné depuis openai/whisper-large-v3 avec LoRA, en utilisant la tâche transcribe et le token de langue lingala.
- Modèle de base
- openai/whisper-large-v3
- Méthode de fine-tuning
- LoRA / PEFT
- Token de tâche
- transcribe
- Token de langue
- Lingala
- Précision
- bf16
- Optimiseur
- AdamW
- Évaluation
- Sous-ensembles de validation aléatoires pendant l'entraînement ; split complet à la fin
- Dataset
- Waxal Lingala ASR
Pourquoi nous reportons le CER, pas le WER
Nous reportons le CER plutôt que le WER pour cette première sortie. Le lingala n'a pas encore d'orthographe normalisée unique largement appliquée dans nos données, et le WER pénalise fortement les variantes orthographiques, les différences de segmentation, et les insertions et suppressions liées aux silences. Nous prévoyons de publier une métrique WER corrigée qui tient mieux compte de la variation linguistique et contextuelle.
Honnête sur les deux.
- +Transcription de la parole lingala
- +Recherche sur l'ASR à faibles ressources
- +Amorçage de datasets
- +Transcription assistée avant correction humaine
- +Évaluation de pipelines ASR pour les langues bantoues
- !La gestion des silences reste à améliorer — peut halluciner du texte dans les longues zones silencieuses
- !Se dégrade avec la musique, les jingles, intros / outros et un fort bruit de fond
- !Limité sur la parole superposée dans les médias réels
- !Les données d'entraînement ne couvrent pas encore toutes les variétés de lingala
- !Peut peiner avec l'argot récent, les expressions urbaines et le code-switching
- !Pas encore robuste sur tous les domaines (actualités, sermons, interviews de rue, contenus musicaux)
Voyez-le transcrire.
Une démonstration sous-titrée de BLI ASR 0 sur de l'audio lingala réel — les sous-titres sont produits à partir de la transcription du modèle lui-même.
Poids ouverts, ouvert aux retours.
BLI ASR 0 vit sur Hugging Face. Essayez-le, mettez-le en défaut, et dites-nous où il échoue — chaque échec rapporté devient le prochain dataset et le prochain modèle.