钜形不锈钢水箱 发表于 2024-9-11 14:03:02

微调 Whisper 语音大模型

1.预备环境

#创建环境
   conda create -n whisper python=3.10 -y  
source activate whisper
 #安装环境
   conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia 
#下载github微调文件
   git clone https://github.com/yeyupiaoling/Whisper-Finetune.git
#安装依赖
   cd /root/autodl-tmp/Whisper-Finetune
python -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2.加载数据集

导入所有wav文件
https://i-blog.csdnimg.cn/direct/3cbec4a9cf4c4bc8b3fefc573281ea03.png
计算所有wav时长
import os
import wave
import contextlib

def get_wav_duration(file_path):
    with contextlib.closing(wave.open(file_path, 'r')) as f:
      frames = f.getnframes()
      rate = f.getframerate()
      duration = frames / float(rate)
      return duration

def print_wav_durations(folder_path):
    for root, dirs, files in os.walk(folder_path):
      for file in files:
            if file.endswith('.wav'):
                file_path = os.path.join(root, file)
                duration = get_wav_duration(file_path)
                print(f"File: {file} - Duration: {duration:.2f} seconds")

# 指定包含 .wav 文件的文件夹路径
folder_path = '/root/autodl-tmp/data'

print_wav_durations(folder_path)
https://i-blog.csdnimg.cn/direct/eae75baf25424960bee701fa6284b778.png

生成json文件:一个jsonlines的数据列表,也就是每一行都是一个JSON数据
   https://i-blog.csdnimg.cn/direct/abc8b9055e524cc6a36157175e451255.png
3.微调模型

#修改读取json的地方
在Whisper-Finetune/utils/reader.py修改_load_data_list 函数
# 从数据列表里面获取音频数据、采样率和文本
    def _get_list_data(self, idx):
      if self.data_list_path.endswith(".header"):
            data_list = self.dataset_reader.get_data(self.data_list)
      else:
            data_list = self.data_list
      # 分割音频路径和标签
      audio_file = data_list["audio"]['path']
      transcript = data_list["sentences"] if self.timestamps else data_list["sentence"]
      language = data_list["language"] if 'language' in data_list.keys() else None
      if 'start_time' not in data_list["audio"].keys():
            sample, sample_rate = soundfile.read(audio_file, dtype='float32')
      else:
            start_time, end_time = data_list["audio"]["start_time"], data_list["audio"]["end_time"]
            # 分割读取音频
            sample, sample_rate = self.slice_from_file(audio_file, start=start_time, end=end_time)
      sample = sample.T
      # 转成单通道
      if self.mono:
            sample = librosa.to_mono(sample)
      # 数据增强
      if self.augment_configs:
            sample, sample_rate = self.augment(sample, sample_rate)
      # 重采样
      if self.sample_rate != sample_rate:
            sample = self.resample(sample, orig_sr=sample_rate, target_sr=self.sample_rate)
      return sample, sample_rate, transcript, language 修改Whisper-Finetune/utils/callback.py的SavePeftModelCallback函数
class SavePeftModelCallback(TrainerCallback):
    def on_save(self,
                args: TrainingArguments,
                state: TrainerState,
                control: TrainerControl,
                **kwargs):
      if args.local_rank == 0 or args.local_rank == -1:
            # 保存效果最好的模型
            best_checkpoint_folder = os.path.join(args.output_dir, f"{PREFIX_CHECKPOINT_DIR}-best")
            # 确保 state.best_model_checkpoint 不是 NoneType
            if state.best_model_checkpoint is not None:
                # 因为只保存最新5个检查点,所以要确保不是之前的检查点
                if os.path.exists(state.best_model_checkpoint):
                  if os.path.exists(best_checkpoint_folder):
                        shutil.rmtree(best_checkpoint_folder)
                  shutil.copytree(state.best_model_checkpoint, best_checkpoint_folder)
                  print(f"效果最好的检查点为:{state.best_model_checkpoint},评估结果为:{state.best_metric}")
      return control #下载基础模型
   git clone https://gitee.com/hf-models/whisper-tiny.git
微调
   cd Whisper-Finetune 
CUDA_VISIBLE_DEVICES=0 python finetune.py --train_data /root/autodl-tmp/data/data_list_lines.json --test_data /root/autodl-tmp/data/data_list_lines.json --base_model=/root/autodl-tmp/whisper-tiny --output_dir=output/
https://i-blog.csdnimg.cn/direct/9da038be00834fbb8d917f0db3e0681b.png
4.合并



[*] --lora_model 是训练结束后保存的 Lora 模型路径,就是查抄点文件夹路径
[*] --output_dir 是合并后模型的保存目录
   python merge_lora.py --lora_model=/root/autodl-tmp/Whisper-Finetune/output/whisper-tiny/checkpoint-3/ --output_dir=models/
https://i-blog.csdnimg.cn/direct/d704b12f428d4576870671373f30f16e.png
5.验证

   python infer.py --audio_path=/root/autodl-tmp/data/0.wav --model_path=models/whisper-
tiny-finetune
https://i-blog.csdnimg.cn/direct/057ca175e5cd46d79119dcceca1301df.png

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
页: [1]
查看完整版本: 微调 Whisper 语音大模型