How can I set ASR language?

[hforghani]

I used the script transcribe.py in the repository to transcribe many voice files in Persian languages. Some of them transcribe correctly in Persian but some of them returns kind of translation to English (although incorrect). For example:

Reference: او هماوردطلبي با انگليس را دوست داشت چون اشرافيت او اين نوع هماوردطلبي را مناسب ميدانست.
Hypothesis: He liked to speak English, because he liked to speak English fluently.

Reference: آدرس وب سايت اختصاصي جشنواره فيلم تروپفست عبارتست از: www.tropfest.com
Hypothesis: The website for the film festival is www dot tropfest dot com.

Reference: بازديد از اين مجموعه ارزشمند همه روزه بجز يكشنبه و پنجشنبه از ساعت 9 صبح تا 3 بعدازظهر براي عموم آزاد است.
Hypothesis: بازدید از ین مجموعه ی عرضشمند همه روزه به جز یک شنبه و پنج شنبه از ساعت 9 صبح تا 3 بعد زهر برای عموم آزاد است

How can I force it to set Persian token?

[guynich]

If you are using pipeline() try setting a forced language by doing this.

forced_language = (
    "<|en|>"  # Use your appropriate language code, e.g., <|en|>, <|es|>.
)
generate_kwargs = {"language": forced_language}

Then pass generate_kwargs=generate_kwargs into your call to pipeline().