Whisper Large V3 Turbo Russian

🚀 ウィスパー大規模バージョン3ターボロシアンモデル

このモデルは、自動音声認識タスクに特化しており、ロシア語の音声を高精度に文字起こしすることができます。

🚀 クイックスタート

このモデルは、自動音声認識に特化しており、ロシア語の音声を高精度に文字起こしすることができます。

✨ 主な機能

• ロシア語の音声を高精度に文字起こしできます。
• 2つのA100 40GB、128GB RAM、2 x Xeon 48 Core 2.4 GHzの環境でトレーニングされています。
• 約7時間のトレーニング時間で、118kの音声サンプルを使用しています。

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコマンドを使用して、transformersとgradioをインストールしてください。

pip install transformers gradio

💻 使用例

基本的な使用法

# オリジナルのコードとコメントを保持
from transformers import pipeline
import gradio as gr
import time

pipe = pipeline(
    model="dvislobokov/whisper-large-v3-turbo-russian",
    tokenizer="dvislobokov/whisper-large-v3-turbo-russian",
    task='automatic-speech-recognition',
    device='cpu'
)

def transcribe(audio):
    start = time.time()
    text = pipe(audio, return_timestamps=True)['text']
    print(time.time() - start)
    return text

iface = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=['microphone', 'upload'], type='filepath'),
    outputs='text'
)

iface.launch(share=True)

📚 ドキュメント

🔧 技術詳細

このモデルは、2つのA100 40GB、128GB RAM、2 x Xeon 48 Core 2.4 GHzの環境でトレーニングされています。トレーニングにかかった時間は約7時間で、トレーニングデータセットの数は、Mozilla Common Voice 17からの118kの音声サンプルです。

📄 ライセンス

このモデルはMITライセンスの下で公開されています。