mirror of
https://github.com/ggerganov/whisper.cpp.git
synced 2024-12-19 04:37:51 +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 io
|
||||||
import os
|
import os
|
||||||
import sys
|
import sys
|
||||||
|
@ -44,107 +44,107 @@ import numpy as np
|
|||||||
#from transformers import GPT2TokenizerFast
|
#from transformers import GPT2TokenizerFast
|
||||||
|
|
||||||
# ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L10-L110
|
# ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L10-L110
|
||||||
LANGUAGES = {
|
#LANGUAGES = {
|
||||||
"en": "english",
|
# "en": "english",
|
||||||
"zh": "chinese",
|
# "zh": "chinese",
|
||||||
"de": "german",
|
# "de": "german",
|
||||||
"es": "spanish",
|
# "es": "spanish",
|
||||||
"ru": "russian",
|
# "ru": "russian",
|
||||||
"ko": "korean",
|
# "ko": "korean",
|
||||||
"fr": "french",
|
# "fr": "french",
|
||||||
"ja": "japanese",
|
# "ja": "japanese",
|
||||||
"pt": "portuguese",
|
# "pt": "portuguese",
|
||||||
"tr": "turkish",
|
# "tr": "turkish",
|
||||||
"pl": "polish",
|
# "pl": "polish",
|
||||||
"ca": "catalan",
|
# "ca": "catalan",
|
||||||
"nl": "dutch",
|
# "nl": "dutch",
|
||||||
"ar": "arabic",
|
# "ar": "arabic",
|
||||||
"sv": "swedish",
|
# "sv": "swedish",
|
||||||
"it": "italian",
|
# "it": "italian",
|
||||||
"id": "indonesian",
|
# "id": "indonesian",
|
||||||
"hi": "hindi",
|
# "hi": "hindi",
|
||||||
"fi": "finnish",
|
# "fi": "finnish",
|
||||||
"vi": "vietnamese",
|
# "vi": "vietnamese",
|
||||||
"iw": "hebrew",
|
# "iw": "hebrew",
|
||||||
"uk": "ukrainian",
|
# "uk": "ukrainian",
|
||||||
"el": "greek",
|
# "el": "greek",
|
||||||
"ms": "malay",
|
# "ms": "malay",
|
||||||
"cs": "czech",
|
# "cs": "czech",
|
||||||
"ro": "romanian",
|
# "ro": "romanian",
|
||||||
"da": "danish",
|
# "da": "danish",
|
||||||
"hu": "hungarian",
|
# "hu": "hungarian",
|
||||||
"ta": "tamil",
|
# "ta": "tamil",
|
||||||
"no": "norwegian",
|
# "no": "norwegian",
|
||||||
"th": "thai",
|
# "th": "thai",
|
||||||
"ur": "urdu",
|
# "ur": "urdu",
|
||||||
"hr": "croatian",
|
# "hr": "croatian",
|
||||||
"bg": "bulgarian",
|
# "bg": "bulgarian",
|
||||||
"lt": "lithuanian",
|
# "lt": "lithuanian",
|
||||||
"la": "latin",
|
# "la": "latin",
|
||||||
"mi": "maori",
|
# "mi": "maori",
|
||||||
"ml": "malayalam",
|
# "ml": "malayalam",
|
||||||
"cy": "welsh",
|
# "cy": "welsh",
|
||||||
"sk": "slovak",
|
# "sk": "slovak",
|
||||||
"te": "telugu",
|
# "te": "telugu",
|
||||||
"fa": "persian",
|
# "fa": "persian",
|
||||||
"lv": "latvian",
|
# "lv": "latvian",
|
||||||
"bn": "bengali",
|
# "bn": "bengali",
|
||||||
"sr": "serbian",
|
# "sr": "serbian",
|
||||||
"az": "azerbaijani",
|
# "az": "azerbaijani",
|
||||||
"sl": "slovenian",
|
# "sl": "slovenian",
|
||||||
"kn": "kannada",
|
# "kn": "kannada",
|
||||||
"et": "estonian",
|
# "et": "estonian",
|
||||||
"mk": "macedonian",
|
# "mk": "macedonian",
|
||||||
"br": "breton",
|
# "br": "breton",
|
||||||
"eu": "basque",
|
# "eu": "basque",
|
||||||
"is": "icelandic",
|
# "is": "icelandic",
|
||||||
"hy": "armenian",
|
# "hy": "armenian",
|
||||||
"ne": "nepali",
|
# "ne": "nepali",
|
||||||
"mn": "mongolian",
|
# "mn": "mongolian",
|
||||||
"bs": "bosnian",
|
# "bs": "bosnian",
|
||||||
"kk": "kazakh",
|
# "kk": "kazakh",
|
||||||
"sq": "albanian",
|
# "sq": "albanian",
|
||||||
"sw": "swahili",
|
# "sw": "swahili",
|
||||||
"gl": "galician",
|
# "gl": "galician",
|
||||||
"mr": "marathi",
|
# "mr": "marathi",
|
||||||
"pa": "punjabi",
|
# "pa": "punjabi",
|
||||||
"si": "sinhala",
|
# "si": "sinhala",
|
||||||
"km": "khmer",
|
# "km": "khmer",
|
||||||
"sn": "shona",
|
# "sn": "shona",
|
||||||
"yo": "yoruba",
|
# "yo": "yoruba",
|
||||||
"so": "somali",
|
# "so": "somali",
|
||||||
"af": "afrikaans",
|
# "af": "afrikaans",
|
||||||
"oc": "occitan",
|
# "oc": "occitan",
|
||||||
"ka": "georgian",
|
# "ka": "georgian",
|
||||||
"be": "belarusian",
|
# "be": "belarusian",
|
||||||
"tg": "tajik",
|
# "tg": "tajik",
|
||||||
"sd": "sindhi",
|
# "sd": "sindhi",
|
||||||
"gu": "gujarati",
|
# "gu": "gujarati",
|
||||||
"am": "amharic",
|
# "am": "amharic",
|
||||||
"yi": "yiddish",
|
# "yi": "yiddish",
|
||||||
"lo": "lao",
|
# "lo": "lao",
|
||||||
"uz": "uzbek",
|
# "uz": "uzbek",
|
||||||
"fo": "faroese",
|
# "fo": "faroese",
|
||||||
"ht": "haitian creole",
|
# "ht": "haitian creole",
|
||||||
"ps": "pashto",
|
# "ps": "pashto",
|
||||||
"tk": "turkmen",
|
# "tk": "turkmen",
|
||||||
"nn": "nynorsk",
|
# "nn": "nynorsk",
|
||||||
"mt": "maltese",
|
# "mt": "maltese",
|
||||||
"sa": "sanskrit",
|
# "sa": "sanskrit",
|
||||||
"lb": "luxembourgish",
|
# "lb": "luxembourgish",
|
||||||
"my": "myanmar",
|
# "my": "myanmar",
|
||||||
"bo": "tibetan",
|
# "bo": "tibetan",
|
||||||
"tl": "tagalog",
|
# "tl": "tagalog",
|
||||||
"mg": "malagasy",
|
# "mg": "malagasy",
|
||||||
"as": "assamese",
|
# "as": "assamese",
|
||||||
"tt": "tatar",
|
# "tt": "tatar",
|
||||||
"haw": "hawaiian",
|
# "haw": "hawaiian",
|
||||||
"ln": "lingala",
|
# "ln": "lingala",
|
||||||
"ha": "hausa",
|
# "ha": "hausa",
|
||||||
"ba": "bashkir",
|
# "ba": "bashkir",
|
||||||
"jw": "javanese",
|
# "jw": "javanese",
|
||||||
"su": "sundanese",
|
# "su": "sundanese",
|
||||||
}
|
#}
|
||||||
|
|
||||||
## ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L273-L292
|
## ref: https://github.com/openai/whisper/blob/8cf36f3508c9acd341a45eb2364239a3d81458b9/whisper/tokenizer.py#L273-L292
|
||||||
#def build_tokenizer(path_to_whisper_repo: str, name: str = "gpt2"):
|
#def build_tokenizer(path_to_whisper_repo: str, name: str = "gpt2"):
|
||||||
|
Loading…
Reference in New Issue
Block a user