Lite Whisper Large V3

🚀 Lite-Whisper large-v3

Lite-Whisperは、LiteASRを用いたOpenAI Whisperの圧縮バージョンです。詳細については、GitHubリポジトリ と 論文 を参照してください。

🚀 クイックスタート

ここでは、始めるためのコードスニペットを紹介します。

import librosa 
import torch
from transformers import AutoProcessor, AutoModel

device = "cuda:0"
dtype = torch.float16

# load the compressed Whisper model
model = AutoModel.from_pretrained(
    "efficient-speech/lite-whisper-large-v3-turbo", 
    trust_remote_code=True, 
)
model.to(dtype).to(device)

# we use the same processor as the original model
processor = AutoProcessor.from_pretrained("openai/whisper-large-v3")

# set the path to your audio file
path = "path/to/audio.wav"
audio, _ = librosa.load(path, sr=16000)

input_features = processor(audio, sampling_rate=16000, return_tensors="pt").input_features
input_features = input_features.to(dtype).to(device)

predicted_ids = model.generate(input_features)
transcription = processor.batch_decode(
    predicted_ids, 
    skip_special_tokens=True
)[0]

print(transcription)

📚 ドキュメント

ベンチマーク結果

以下は、ESBデータセット で評価された平均単語誤り率（WER）です。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。