balbal-v2e-zellige

balbal-v2e-zellige

在普通 CPU 上把摩洛哥达里贝语语音转成阿拉伯文字，并给出每个词的时间戳。这是面向研究者和开发者的实验性预览，采用非商业许可。

由 erayyapagci 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：这是一个面向摩洛哥达里贝语的语音识别模型。它把音频转成阿拉伯文字，每个词都带时间戳，并且能在 CPU 上运行。作者称它是实验性预览，也是 balbal 系列的第一个阿拉伯语模型。

适合谁：它适合需要达里贝语转写又没有 GPU 的研究者和开发者。许可是非商业的，所以适合学习研究和做原型。

Title: 谁在用
Industry | Who uses it | How they use it | Example
研究 | 语音研究者 | 与更大的开源模型比较达里贝语的准确率 | 给一组摩洛哥录音的测试集打分
软件 | 开发者 | 给在 CPU 上运行的工具加入达里贝语转写 | 转写 WAV 文件的脚本
媒体 | 字幕编辑 | 用词级时间戳让文字对上音频 | 为一段摩洛哥访谈起草字幕

如果你需要商业产品或其他阿拉伯语方言，可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 3.11 或 3.12
• balbal 命令行，0.6.0 或更新版本
• CPU 机器：模型卡称在 8 个线程上约比实时快 100 倍
• 浏览器：作者提供了一个演示页面可以试用

Title: 它能做的事
Use case | Who | What they get back
转写录音 | 研究者 | 语音的阿拉伯文字文本
做字幕 | 字幕编辑 | 每个词都带时间戳的文本
基准测试 | 机器学习团队 | 在三个摩洛哥达里贝语测试集上的错误率

如何设置：

• Python 3.11 或 3.12
• balbal 包，0.6.0 或更新版本
• 不需要 GPU

1. 用 pip 安装 balbal 包。
2. 对一个 WAV 文件运行它。第一次运行会下载这个模型。
3. 如果想手动取回仓库文件，先安装 Hugging Face Hub 工具再下载。

pip install -U balbal
balbal run --model zellige speech.wav          # downloads this model on the first run

pip install -U huggingface_hub
hf download erayyapagci/balbal-v2e-zellige

如何使用：
对音频文件运行 balbal 命令，或者在 Python 里加载模型。长录音会被自动切成 30 s 的片段。法语和其他拉丁字母的词会用阿拉伯字母拼写。

balbal run --model zellige --json speech.wav   # text + per-word timestamps

import balbal
model = balbal.load("balbal-v2e-zellige")
print(model.transcribe("speech.wav")["text"])

Title: 运行方式
Tool | What it does
balbal run --model zellige | 把音频文件转写成文字
--json | 给每个词加上时间戳
balbal.load | 在 Python 脚本里加载模型
transcribe | 返回文件的识别文本

示例：
你对一段名为 speech.wav 的达里贝语短录音运行带 json 选项的 balbal 命令。它会用阿拉伯文字打印识别出的语音，每个词都带自己的时间戳。

新手与专家：
如果你是新手，语音识别就是把口语音频转成文字。第一件小事是安装 balbal，然后对一段达里贝语的 WAV 短文件运行它。

如果你懂这个领域，声学模型是用 Sabeq-ASR 初始化的 FastConformer-CTC。一个两层的循环精修器对输出做 3 轮处理，乘积键记忆占了 307M 参数中的 193M。解码用的是基于 SentencePiece 片段的 6-gram KenLM。代价在准确率上：带语言模型时，Casablanca Morocco 测试集的 WER 是 42.85，不带则是 46.80。

音频被切成 30 s 一段
FastConformer-CTC 声学模型
循环精修器，3 轮
用 6-gram KenLM 做束搜索
带词时间戳的阿拉伯文字

注意事项：

Title: 三个摩洛哥测试集上的平均 WER
balbal-v2e-zellige: 44.38 %
balbal-v2e-zellige, no LM: 47.58 %
Cohere Transcribe Arabic: 53.22 %
Jais-ASR: 53.73 %
MoulSot v0.3: 54.18 %

• 预览：作者标明这是实验性的，并欢迎反馈。
• 调参：解码器的设置只用一个摩洛哥验证集 Casablanca Morocco 来选定。
• 文件：PyTorch 权重 1.2 GB，ONNX 图 1.25 GB。
• License：cc-by-nc-sa-4.0，所以是非商业的。
• Cost to run：没有提到 API 密钥、账号或付费服务。
• Data it reaches：第一次运行会下载模型，模型卡没有提到别的访问。
• Not for：商业用途，许可不允许。

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 最近 30 天下载：64
• 点赞：3
• 许可证：cc-by-nc-sa-4.0
• 语言：ary, ar
• 基于：MostafaAhmed98/Sabeq-ASR
• 标签：onnx, speech-recognition, arabic, darija, moroccan-arabic, fastconformer, kenlm, automatic-speech-recognition, model-index

链接

• 模型：https://huggingface.co/erayyapagci/balbal-v2e-zellige
• 文件：https://huggingface.co/erayyapagci/balbal-v2e-zellige/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 erayyapagci/balbal-v2e-zellige

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。