Faster Whisper Large V2

🚀 CTranslate2用Whisper large-v2モデル

このリポジトリには、openai/whisper-large-v2をCTranslate2モデル形式に変換したものが含まれています。 このモデルは、CTranslate2またはfaster-whisperのようなCTranslate2ベースのプロジェクトで使用できます。

🚀 クイックスタート

このモデルは、音声認識タスクに使用できます。CTranslate2やそれに基づくプロジェクトで、高速かつ効率的に音声をテキストに変換することができます。

✨ 主な機能

• 複数の言語に対応しており、多言語の音声認識が可能です。
• CTranslate2モデル形式に変換されているため、高速な推論が可能です。

📦 インストール

このモデルを使用するには、まずCTranslate2とfaster-whisper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インストールできます。

pip install ctranslate2 faster-whisper

💻 使用例

基本的な使用法

from faster_whisper import WhisperModel

model = WhisperModel("large-v2")

segments, info = model.transcribe("audio.mp3")
for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

高度な使用法

# 高度な使用法では、compute_typeを指定することで、モデルの計算タイプを変更できます。
from faster_whisper import WhisperModel

model = WhisperModel("large-v2", compute_type="int8_float16")

segments, info = model.transcribe("audio.mp3")
for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

🔧 技術詳細

変換詳細

元のモデルは、以下のコマンドで変換されました。

ct2-transformers-converter --model openai/whisper-large-v2 --output_dir faster-whisper-large-v2 \
    --copy_files tokenizer.json --quantization float16

モデルの重みはFP16形式で保存されています。このタイプは、モデルを読み込む際にCTranslate2のcompute_typeオプションを使用して変更できます。

より詳細な情報

元のモデルに関する詳細情報については、モデルカードを参照してください。

📄 ライセンス

このプロジェクトはMITライセンスの下で提供されています。