Whisper Tiny Vi

🚀 doof-ferb/whisper-tiny-vi

このモデルは、非常に多くのベトナム語音声データセットを使用してfine-tuningされたWhisper Tinyモデルです。自動音声認識タスクに特化しており、ベトナム語の音声を高精度に認識することができます。

🚀 クイックスタート

このモデルを使用するには、以下のコードを参考にしてください。

import torch
from transformers import pipeline

PIPE = pipeline(task="automatic-speech-recognition", model="doof-ferb/whisper-tiny-vi", device="cuda:0", torch_dtype=torch.float16)
PIPE_KWARGS = {"language": "vi", "task": "transcribe"}

PIPE("audio.mp3", generate_kwargs=PIPE_KWARGS)["text"]

✨ 主な機能

• 多様なベトナム語音声データセットでfine-tuningされているため、高い認識精度を実現しています。
• 自動音声認識タスクに特化しており、ベトナム語の音声を高精度に認識することができます。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

import torch
from transformers import pipeline

PIPE = pipeline(task="automatic-speech-recognition", model="doof-ferb/whisper-tiny-vi", device="cuda:0", torch_dtype=torch.float16)
PIPE_KWARGS = {"language": "vi", "task": "transcribe"}

PIPE("audio.mp3", generate_kwargs=PIPE_KWARGS)["text"]

📚 ドキュメント

データセット

このモデルは以下のデータセットを使用して訓練されています。

評価指標

このモデルは、Word Error Rate (WER) を評価指標として使用しています。

モデル情報

評価結果

📄 ライセンス

このモデルはApache-2.0ライセンスの下で公開されています。