Drone Transcripter 4

Drone Transcripter 4

把埃及阿拉伯语语音转成文字，针对课堂讲座调优，也能处理日常对话和阿拉伯语与英语混用。适合转录埃及讲座或录音的人。

由 AbdelrhmanX2 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Drone Transcripter 4 是 Drone Academy 推出的埃及阿拉伯语语音转文字模型。它是对 Whisper large-v3-turbo 做的完整微调，有 809M 参数。它用约 329.5 小时经过审核的埃及语音训练，先是讲座，然后是日常对话。

适合谁：需要把埃及阿拉伯语音频转成文字的人，尤其是课堂讲座。它也能处理现代标准阿拉伯语，以及阿拉伯语和英语混用的语音。

Title: 谁在用，怎么用
Industry | Who uses it | How they use it | Example
教育 | 老师和学生 | 把录好的讲座转成文字 | 学生转录一堂录下来的课，方便以后复习
媒体 | 字幕编辑 | 为埃及阿拉伯语音频起草字幕 | 编辑转录一段访谈，再修改文字
软件 | 应用开发者 | 给应用加上埃及阿拉伯语转录功能 | 开发者用 Python 脚本运行这个模型
研究 | 语音研究人员 | 在不同测试集上对比阿拉伯语识别结果 | 查看在讲座和日常对话测试集上的得分

如果是嘈杂的电话或随意的闲聊，可以跳过它，模型卡显示这些场景的结果较弱，其他非阿拉伯语的语言也不适用。

用在哪里：

• 装有 transformers 库、带 GPU 的 Python
• whisper.cpp，可用 CPU，也可用 Metal 或 CUDA
• Windows、macOS 或 Linux，用于下载文件

Use case | Who | What they get back
讲座转录 | 教育工作者 | 没有标点的纯埃及阿拉伯语文字
混合语言语音 | 媒体团队 | 阿拉伯文字的文本，英文单词保留拉丁字母
笔记本转录 | 个人 | 不需要 GPU 就能运行的较小 whisper.cpp 模型

如何设置：你需要 Python 和 pip。走 Python 路线需要 transformers 库和一块 CUDA GPU，走 whisper.cpp 路线则需要它的命令行工具。

• Python 和 pip
• transformers 库，或 whisper.cpp
• 一段音频，比如 WAV 文件

1. 安装 Hugging Face hub 库。
2. 下载这个仓库。
3. 运行 Python 示例，或者用较小的模型文件配合 whisper.cpp。

pip install -U huggingface_hub
hf download AbdelrhmanX2/drone-transcripter-4

Title: 三个模型文件
File | Use
Transformers checkpoint folder | 供 Python 使用的 Safetensors 权重
f16 whisper.cpp file | 供 whisper.cpp 使用的完整大小模型
q5_0 whisper.cpp file | 约 574 MB，小 2.8 倍，模型卡建议笔记本使用这个

如何使用：对一段音频运行 transformers pipeline 并打印文字，或者用较小的文件调用 whisper.cpp。两种方式都指定阿拉伯语。

from transformers import pipeline
asr = pipeline("automatic-speech-recognition", model="AbdelrhmanX2/drone-transcripter-4", device="cuda")
print(asr("clip.wav", generate_kwargs={"language": "ar", "task": "transcribe"})["text"])

whisper-cli -m ggml-drone-transcripter-v4-q5_0.bin -l ar -f clip.wav

示例：你让脚本处理一段埃及课堂讲座的录音 clip.wav。模型会把说出的话打印成没有标点的阿拉伯语文字，其中的英文单词仍用拉丁字母。

新手与专家：如果你是新手，录一小段埃及讲座音频，运行 Python 示例，读一读打印出的文字。标点需要你自己补上。

对熟悉的人来说，模型卡报告在预留的埃及讲座数据上词错误率为 10.2，基础模型为 64.0。日常对话较弱，在 Casablanca 上是 40.2。训练在一块 A100 上跑了两个轮次、共 4,712 步，歌曲和音乐没有纳入。

录音或选一段音频
在 Python 或 whisper.cpp 中加载模型
把语言设为阿拉伯语
读取没有标点的转录文字

注意事项：

Title: 词错误率，越低越好
埃及讲座，这个模型: 10.2
埃及讲座，基础模型: 64
FLEURS ar_eg: 10.5
MGB-3 Egyptian: 15.3
Casablanca Egyptian: 40.2
GigaSpeechBench EGY: 48.46

• License: Apache 2.0，与基础模型一致，模型卡要求你引用 Drone Academy
• Cost to run: 没有列出费用，你用的是自己的电脑
• Data it reaches: 它从 Hugging Face 下载文件，然后读取你提供的音频文件
• Not for: 随意的对话或嘈杂的电话音频，这些场景的结果较弱
• 输出没有标点，并且是阿拉伯文字

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 框架：transformers
• Formats: Safetensors
• 最近 30 天下载：0
• 点赞：5
• 许可证：apache-2.0
• 语言：ar, arz
• 基于：openai/whisper-large-v3-turbo
• 标签：transformers, safetensors, automatic-speech-recognition, speech, egyptian-arabic, whisper, whisper.cpp, ggml, model-index

链接

• 模型：https://huggingface.co/AbdelrhmanX2/drone-transcripter-4
• 文件：https://huggingface.co/AbdelrhmanX2/drone-transcripter-4/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download AbdelrhmanX2/drone-transcripter-4

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。