openai/whisper-large-v3-turbo
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Ngày
#3 Repository Của Ngày
⚡ Whisper lớn nhất của OpenAI giờ nhanh hơn gấp nhiều lần
Bản rút gọn tốc độ của Whisper lớn v3 — nhanh hơn đáng kể nhưng vẫn giữ được độ chính xác cao.
Whisper large-v3-turbo là phiên bản được tinh chỉnh từ mô hình Whisper large-v3 của OpenAI, nơi số lớp giải mã đã giảm từ 32 xuống còn 4. Kết quả là tốc độ xử lý nhanh hơn nhiều, đồng thời vẫn giữ được khả năng nhận dạng giọ nói chính xác trong hơn 100 ngôn ngữ khác nhau.
✨ Điểm nổi bật
- Tốc độ cao: Giảm số lớp giải mã từ 32 xuống 4 giúp tăng tốc đáng kể so với bản gốc.
- Hỗ trợ đa ngôn ngữ: Hỗ trợ hơn 100 ngôn ngữ, bao gồm cả tiếng Việt.
- Tích hợp Transformers: Dễ dàng sử dụng thông qua thư viện Hugging Face Transformers.
- Hỗ trợ dịch thuật: Có thể chuyển đổi ngôn ngữ nguồn sang tiếng Anh bằng chế độ dịch.
- Dự đoán thời gian: Hỗ trợ trả về dấu thời gian ở cấp độ câu và từ.
- Xử lý theo lô: Hỗ trợ xử lý nhiều tệp âm thanh cùng lúc với batch_size.
- Tự động phát hiện ngôn ngữ: Tự động nhận biết ngôn ngữ trong file âm thanh.
- Cấu hình linh hoạt: Tùy chỉnh tham số sinh như nhiệt độ, ngưỡng lọc, v.v.
💡 Vì sao đáng chú ý
Whisper large-v3-turbo mang lại sự cân bằng hoàn hảo giữa tốc độ và độ chính xác. Với việc giảm số lớp giải mã, mô hình trở nên nhẹ hơn và nhanh hơn, phù hợp cho các ứng dụng thời gian thực hoặc môi trường có tài nguyên hạn chế. Dù có chút mất chất lượng nhỏ, nhưng vẫn duy trì hiệu suất cao trong hầu hết các trường hợp sử dụng thực tế.
#Whisper #ASR #OpenAI #Transformers #TiniX
Similar Projects
Discover other similar projects and AI models.
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
Whisper large-v3 model for CTranslate2 This repository contains the conversion of openai/whisper-large-v3(https://huggingface.co/openai/whisper-large-v3) to the CTranslate2(https://github.com/OpenNMT/CTranslate2) model format. This model can be used...
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
XLM-RoBERTa (base-sized model) XLM-RoBERTa model pre-trained on 2.5TB of filtered CommonCrawl data containing 100 languages. It was introduced in the paper Unsupervised Cross-lingual Representation Learning at Scale(https://arxiv.org/abs/1911.02116)...
Multilingual-E5-large Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 24 layers and the embedding size is...
Multilingual-E5-small Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 12 layers and the embedding size is...