CoolFace
Apppublic

ivanusto/taiwanese-hakka-asr-vosk

sourceHugging Faceapache-2.0updated 10mo agoView on Hugging Face
0likes
App README

臺灣客語語音辨識系統（VOSK）

使用 Vosk 離線語音辨識引擎的台灣客語 ASR 系統，支援六大腔調。

功能特色

  • —🎙️ 支援麥克風即時錄音辨識
  • —📁 支援上傳音檔辨識（WAV、MP3、M4A、FLAC、MP4 等）
  • —🗣️ 六大客語腔調：四縣、海陸、大埔、饒平、詔安、南四縣
  • —✏️ 自動標點符號插入（根據詞間停頓自動加入逗號、句號、分段）
  • —🔇 可選的音訊抗噪處理（DeepFilterNet）
  • —📝 自動生成 SRT 字幕檔
  • —🐳 Docker 容器化，跨平台支援

線上使用

直接在 Hugging Face Space 上使用：

👉 [https://huggingface.co/spaces/formospeech/taiwanese-hakka-asr-vosk](https://huggingface.co/spaces/formospeech/taiwanese-hakka-asr-vosk)

本地安裝與執行

使用 Docker（推薦）

適用於所有平台，包括 Apple Silicon Mac：

bash
git clone https://huggingface.co/spaces/formospeech/taiwanese-hakka-asr-vosk
cd taiwanese-hakka-asr-vosk

# 建置並啟動
docker compose up --build

# 或背景執行
docker compose up -d --build

啟動後開啟瀏覽器訪問 http://localhost:7860

停止服務：

bash
docker compose down
💡 首次執行時，系統會自動從 Hugging Face 下載所需的語音辨識模型。

使用方式

  1. 1.從選項中選擇要辨識的客語腔調
  2. 2.調整標點符號間隔設定（可選）：
  3. 3.逗號間隔：詞間隔 ≥ 此值加逗號「，」（預設 0.1 秒）
  4. 4.句號間隔：詞間隔 ≥ 此值加句號「。」（預設 0.5 秒）
  5. 5.分段間隔：詞間隔 ≥ 此值加句號並換行（預設 2.0 秒）
  6. 6.選擇是否啟用抗噪處理（可選）
  7. 7.選擇音訊來源：
  8. 8.上傳音檔：點擊上傳區域選擇音檔
  9. 9.麥克風錄音：點擊麥克風按鈕開始錄音
  10. 10.點擊對應的「辨識」按鈕
  11. 11.等待辨識完成，結果顯示在右側文字框

自動標點符號功能

系統會根據詞與詞之間的時間間隔，自動插入適當的標點符號：

詞間停頓時間插入標點
< 逗號間隔（預設 0.1 秒）空格（保留斷詞）
< 句號間隔（預設 0.5 秒）逗號「，」
< 分段間隔（預設 2.0 秒）句號「。」
≥ 分段間隔句號「。」+ 分段（兩個換行）

模型來源

模型會自動從 Hugging Face 下載（如果本地不存在）：

腔調Hugging Face 模型
四縣腔formospeech/Hakka_Sixian-hakka_251203
海陸腔formospeech/Hakka_Hailu-hakka_251203
大埔腔formospeech/Hakka_Dapu-hakka_251203
饒平腔formospeech/Hakka_Raoping-hakka_251203
詔安腔formospeech/Hakka_Zhaoan-hakka_251203
南四縣腔formospeech/Hakka_NanSixian-hakka_251203

檔案說明

檔案說明
app.py主程式，包含 Gradio Web 介面與語音辨識邏輯
test_vosk_output.py測試腳本，用於檢查 Vosk 輸出的詞彙時間戳記格式
DockerfileDocker 映像檔定義（適用於本地與 HF Space）
Dockerfile.local本地專用 Docker 映像檔定義（簡化版）
docker-compose.ymlDocker Compose 設定檔
requirements.txtPython 相依套件

六大腔調分布

腔調主要分布區域
四縣腔苗栗、屏東六堆
海陸腔新竹縣
大埔腔臺中東勢、石岡、新社
饒平腔桃園中壢、新竹芎林、苗栗卓蘭
詔安腔雲林崙背、二崙、西螺
南四縣腔屏東六堆

技術說明

  • —語音辨識：Vosk（基於 Kaldi）
  • —音訊抗噪：DeepFilterNet
  • —音訊處理：pydub + FFmpeg
  • —Web 介面：Gradio
  • —容器化：Docker

部署到 Hugging Face Space

如果你想將此專案部署到自己的 HF Space：

bash
# 1. Clone 專案（如果還沒有）
git clone https://huggingface.co/spaces/formospeech/taiwanese-hakka-asr-vosk
cd taiwanese-hakka-asr-vosk

# 或者從本地專案開始：
cd /path/to/your/vosk-asr-space

# 2. 初始化 Git（如果還沒有）
git init
git branch -M main

# 3. 確認 .gitignore 包含以下內容（排除大型檔案）：
#    vosk/
#    wav/

# 4. 加入所有檔案
git add .
git commit -m "Deploy to HF Space"

# 5. 建立你的 HF Space（SDK 選擇 Docker）
#    https://huggingface.co/new-space

# 6. 加入 HF remote（將 YOUR_USERNAME 和 YOUR_SPACE 換成你的）
git remote add hf https://huggingface.co/spaces/YOUR_USERNAME/YOUR_SPACE

# 7. 推送（如果需要認證，使用帶 token 的 URL）
git push hf main --force

# 帶 token 的方式：
git remote set-url hf https://YOUR_USERNAME:YOUR_HF_TOKEN@huggingface.co/spaces/YOUR_USERNAME/YOUR_SPACE
git push hf main --force
⚠️ 注意：HF Space 不允許上傳二進位檔案（如 .wav），請確保 .gitignore 已排除 vosk/ 和 wav/ 資料夾。

研發團隊

  • —[李鴻欣 Hung-Shin Lee](mailto:hungshinlee@gmail.com)
  • —[陳力瑋 Li-Wei Chen](mailto:wayne900619@gmail.com)

合作單位

  • —[國立聯合大學智慧客家實驗室](https://www.gohakka.org)

授權

Apache License 2.0