Hviske Tiske

🚀 低语速记（HviskeTiske）

低语速记（HviskeTiske）“几乎”是最快的丹麦语自动语音识别（ASR）模型。该模型是低语v2（hviske - v2）的蒸馏版本。大致来说，它将低语v2的速度提高了约4倍，且准确率损失不大，因此它是目前最快且几乎最精确的开源丹麦语转录模型。对于长音频文件（30分钟以上），每个文件的处理时间可缩短17秒。同时，该模型在GPU上所需的显存仅为原模型的一半，对运行硬件的要求更低。

🚀 快速开始

低语速记（HviskeTiske）是一款高性能的丹麦语自动语音识别模型，它通过蒸馏技术优化了低语v2模型，显著提升了处理速度，同时保持了较高的准确率。该模型可在支持CTranslate2的Python库中使用，如faster - whisper。

✨ 主要特性

• 速度提升：相比低语v2，速度提升约4倍，长音频文件处理优势明显。
• 低显存需求：所需显存仅为原模型的一半，降低硬件要求。
• 高精度：在速度提升的同时，保持了较高的准确率。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

from faster_whisper import WhisperModel

model = WhisperModel("pluttodk/hviske-tiske")

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

高级用法

文档未提及高级用法代码示例，故不展示此部分。

📚 详细文档

低语v2的CTranslate2加速模型

该模型将syvai/hviske - v2转换为CTranslate2模型格式，从而显著加快转录速度。它可以在支持CTranslate2的Python库（如faster - whisper）中使用。

模型转换

原始模型按照此逻辑进行转换。模型权重以FP16格式保存，以获得最佳性能。需要注意的是，在使用CTranslate2的compute_type选项加载模型时，可以更改数据类型。

性能评估

性能评估基于alexandrainst/coral数据集，其中所有音频片段时长为5秒，该评估结果能较好地反映模型性能。简单测试表明，在较长音频文件上也能保持类似性能（注意，faster - whisper - large - v3 - turbo - ct2在30秒音频文件上表现最佳）。

性能表现

速度测试

为测试速度，对以下时长的音频进行了测试，字符错误率（CER）和词错误率（WER）分布与上述图表一致：

• 5秒
• 10秒
• 30秒
• 1分钟
• 10分钟
• 30分钟

🔧 技术细节

文档未提供具体技术实现细节，故跳过此章节。

📄 许可证

该模型采用OpenRail许可证。