mirror of
https://github.com/ggerganov/whisper.cpp.git
synced 2024-12-18 20:27:53 +00:00
models : add usage comments to the HF convert script (#157)
This commit is contained in:
parent
5698bddbc9
commit
00f46dbc1d
@ -1,3 +1,20 @@
|
||||
# Convert Hugging Face fine-tuned models to ggml format
|
||||
#
|
||||
# Usage:
|
||||
#
|
||||
# git clone https://github.com/openai/whisper
|
||||
# git clone https://github.com/ggerganov/whisper.cpp
|
||||
# git clone https://huggingface.co/openai/whisper-medium
|
||||
#
|
||||
# python3 ./whisper.cpp/models/convert-h5-to-ggml.py ./whisper-medium/ ./whisper .
|
||||
#
|
||||
# This script is similar to "convert-pt-to-ggml.py"
|
||||
#
|
||||
# For more info:
|
||||
#
|
||||
# https://github.com/ggerganov/whisper.cpp/issues/157
|
||||
#
|
||||
|
||||
import io
|
||||
import os
|
||||
import sys
|
||||
|
@ -44,107 +44,107 @@ import numpy as np
|
||||
#from transformers import GPT2TokenizerFast
|
||||
|
||||
# ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L10-L110
|
||||
LANGUAGES = {
|
||||
"en": "english",
|
||||
"zh": "chinese",
|
||||
"de": "german",
|
||||
"es": "spanish",
|
||||
"ru": "russian",
|
||||
"ko": "korean",
|
||||
"fr": "french",
|
||||
"ja": "japanese",
|
||||
"pt": "portuguese",
|
||||
"tr": "turkish",
|
||||
"pl": "polish",
|
||||
"ca": "catalan",
|
||||
"nl": "dutch",
|
||||
"ar": "arabic",
|
||||
"sv": "swedish",
|
||||
"it": "italian",
|
||||
"id": "indonesian",
|
||||
"hi": "hindi",
|
||||
"fi": "finnish",
|
||||
"vi": "vietnamese",
|
||||
"iw": "hebrew",
|
||||
"uk": "ukrainian",
|
||||
"el": "greek",
|
||||
"ms": "malay",
|
||||
"cs": "czech",
|
||||
"ro": "romanian",
|
||||
"da": "danish",
|
||||
"hu": "hungarian",
|
||||
"ta": "tamil",
|
||||
"no": "norwegian",
|
||||
"th": "thai",
|
||||
"ur": "urdu",
|
||||
"hr": "croatian",
|
||||
"bg": "bulgarian",
|
||||
"lt": "lithuanian",
|
||||
"la": "latin",
|
||||
"mi": "maori",
|
||||
"ml": "malayalam",
|
||||
"cy": "welsh",
|
||||
"sk": "slovak",
|
||||
"te": "telugu",
|
||||
"fa": "persian",
|
||||
"lv": "latvian",
|
||||
"bn": "bengali",
|
||||
"sr": "serbian",
|
||||
"az": "azerbaijani",
|
||||
"sl": "slovenian",
|
||||
"kn": "kannada",
|
||||
"et": "estonian",
|
||||
"mk": "macedonian",
|
||||
"br": "breton",
|
||||
"eu": "basque",
|
||||
"is": "icelandic",
|
||||
"hy": "armenian",
|
||||
"ne": "nepali",
|
||||
"mn": "mongolian",
|
||||
"bs": "bosnian",
|
||||
"kk": "kazakh",
|
||||
"sq": "albanian",
|
||||
"sw": "swahili",
|
||||
"gl": "galician",
|
||||
"mr": "marathi",
|
||||
"pa": "punjabi",
|
||||
"si": "sinhala",
|
||||
"km": "khmer",
|
||||
"sn": "shona",
|
||||
"yo": "yoruba",
|
||||
"so": "somali",
|
||||
"af": "afrikaans",
|
||||
"oc": "occitan",
|
||||
"ka": "georgian",
|
||||
"be": "belarusian",
|
||||
"tg": "tajik",
|
||||
"sd": "sindhi",
|
||||
"gu": "gujarati",
|
||||
"am": "amharic",
|
||||
"yi": "yiddish",
|
||||
"lo": "lao",
|
||||
"uz": "uzbek",
|
||||
"fo": "faroese",
|
||||
"ht": "haitian creole",
|
||||
"ps": "pashto",
|
||||
"tk": "turkmen",
|
||||
"nn": "nynorsk",
|
||||
"mt": "maltese",
|
||||
"sa": "sanskrit",
|
||||
"lb": "luxembourgish",
|
||||
"my": "myanmar",
|
||||
"bo": "tibetan",
|
||||
"tl": "tagalog",
|
||||
"mg": "malagasy",
|
||||
"as": "assamese",
|
||||
"tt": "tatar",
|
||||
"haw": "hawaiian",
|
||||
"ln": "lingala",
|
||||
"ha": "hausa",
|
||||
"ba": "bashkir",
|
||||
"jw": "javanese",
|
||||
"su": "sundanese",
|
||||
}
|
||||
#LANGUAGES = {
|
||||
# "en": "english",
|
||||
# "zh": "chinese",
|
||||
# "de": "german",
|
||||
# "es": "spanish",
|
||||
# "ru": "russian",
|
||||
# "ko": "korean",
|
||||
# "fr": "french",
|
||||
# "ja": "japanese",
|
||||
# "pt": "portuguese",
|
||||
# "tr": "turkish",
|
||||
# "pl": "polish",
|
||||
# "ca": "catalan",
|
||||
# "nl": "dutch",
|
||||
# "ar": "arabic",
|
||||
# "sv": "swedish",
|
||||
# "it": "italian",
|
||||
# "id": "indonesian",
|
||||
# "hi": "hindi",
|
||||
# "fi": "finnish",
|
||||
# "vi": "vietnamese",
|
||||
# "iw": "hebrew",
|
||||
# "uk": "ukrainian",
|
||||
# "el": "greek",
|
||||
# "ms": "malay",
|
||||
# "cs": "czech",
|
||||
# "ro": "romanian",
|
||||
# "da": "danish",
|
||||
# "hu": "hungarian",
|
||||
# "ta": "tamil",
|
||||
# "no": "norwegian",
|
||||
# "th": "thai",
|
||||
# "ur": "urdu",
|
||||
# "hr": "croatian",
|
||||
# "bg": "bulgarian",
|
||||
# "lt": "lithuanian",
|
||||
# "la": "latin",
|
||||
# "mi": "maori",
|
||||
# "ml": "malayalam",
|
||||
# "cy": "welsh",
|
||||
# "sk": "slovak",
|
||||
# "te": "telugu",
|
||||
# "fa": "persian",
|
||||
# "lv": "latvian",
|
||||
# "bn": "bengali",
|
||||
# "sr": "serbian",
|
||||
# "az": "azerbaijani",
|
||||
# "sl": "slovenian",
|
||||
# "kn": "kannada",
|
||||
# "et": "estonian",
|
||||
# "mk": "macedonian",
|
||||
# "br": "breton",
|
||||
# "eu": "basque",
|
||||
# "is": "icelandic",
|
||||
# "hy": "armenian",
|
||||
# "ne": "nepali",
|
||||
# "mn": "mongolian",
|
||||
# "bs": "bosnian",
|
||||
# "kk": "kazakh",
|
||||
# "sq": "albanian",
|
||||
# "sw": "swahili",
|
||||
# "gl": "galician",
|
||||
# "mr": "marathi",
|
||||
# "pa": "punjabi",
|
||||
# "si": "sinhala",
|
||||
# "km": "khmer",
|
||||
# "sn": "shona",
|
||||
# "yo": "yoruba",
|
||||
# "so": "somali",
|
||||
# "af": "afrikaans",
|
||||
# "oc": "occitan",
|
||||
# "ka": "georgian",
|
||||
# "be": "belarusian",
|
||||
# "tg": "tajik",
|
||||
# "sd": "sindhi",
|
||||
# "gu": "gujarati",
|
||||
# "am": "amharic",
|
||||
# "yi": "yiddish",
|
||||
# "lo": "lao",
|
||||
# "uz": "uzbek",
|
||||
# "fo": "faroese",
|
||||
# "ht": "haitian creole",
|
||||
# "ps": "pashto",
|
||||
# "tk": "turkmen",
|
||||
# "nn": "nynorsk",
|
||||
# "mt": "maltese",
|
||||
# "sa": "sanskrit",
|
||||
# "lb": "luxembourgish",
|
||||
# "my": "myanmar",
|
||||
# "bo": "tibetan",
|
||||
# "tl": "tagalog",
|
||||
# "mg": "malagasy",
|
||||
# "as": "assamese",
|
||||
# "tt": "tatar",
|
||||
# "haw": "hawaiian",
|
||||
# "ln": "lingala",
|
||||
# "ha": "hausa",
|
||||
# "ba": "bashkir",
|
||||
# "jw": "javanese",
|
||||
# "su": "sundanese",
|
||||
#}
|
||||
|
||||
## ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L273-L292
|
||||
#def build_tokenizer(path_to_whisper_repo: str, name: str = "gpt2"):
|
||||
|
Loading…
Reference in New Issue
Block a user