chuanyu-nav-asr

chuanyu-nav-asr（川渝方言导航语音识别）

CCF IVC 2026 智能导航方言语音识别挑战赛（赛项三）参赛模型，队伍 LynRose_Enigma，初赛第 14 名（A 榜纯模型 CER 6.68%，热词后处理版 6.00%）。

• 结构：Data2Vec 2.0 编码器 + CTC（fairseq 0.12.2）
• checkpoint：nav80k_cont（导航数据增强 + 多段续训最终模型）
• 输入：16 kHz 单声道 WAV → 40 维 MFCC（25ms 窗 / 10ms 移）
• 输出：汉字序列（viterbi greedy 解码）
• 底座：官方基线 TeleSpeech-ASR（Data2Vec 2.0），KeSpeech 预训练权重

TeleSpeech Inside

本模型是基于 TeleSpeech-ASR（Data2Vec 2.0 方言 ASR）二次开发的模型衍生品：权重 nav80k_cont 为对 TeleSpeech-ASR1.0-large-kespeech 微调续训的产物，推理代码派生自其 data2vec_dialect。

使用本模型须遵守《TeleSpeech 模型社区许可协议》：仅限非商业用途；商用须事先向许可方（[email protected]）登记并获书面授权。协议副本见本仓库 LICENSE_TeleSpeech.pdf，代码与修改说明见 GitHub 仓库。

文件

• model.pt — fairseq checkpoint（约 3.8 GB）
• dict.chr7531.txt — 字符词典（7531 字）
• LICENSE_TeleSpeech.pdf — TeleSpeech 模型社区许可协议（副本，随权重分发）

使用方法

完整代码（推理/训练脚本、热词后处理、fairseq、环境配置）开源在 GitHub： https://github.com/ldygml/chuanyu-nav-asr

# 1) 克隆代码
git clone https://github.com/ldygml/chuanyu-nav-asr.git
cd chuanyu-nav-asr

# 2) 安装环境（Python 3.8 / CUDA 11.7，步骤见仓库 README「快速开始」）

# 3) 下载本仓库权重与词典
pip install huggingface_hub
hf download 999ffgml/chuanyu-nav-asr --local-dir weights

# 4) 一条命令转写（任意采样率 WAV，自动重采样 + 热词修正）
bash transcribe.sh --input 你的音频.wav

国内网络可用镜像加速下载：export HF_ENDPOINT=https://hf-mirror.com