Whisper Large V3 Turbo Russian

🚀 俄語語音識別模型

本項目是一個用於自動語音識別的模型，基於openai/whisper-large-v3-turbo基礎模型，在俄語數據集上進行訓練，能夠準確地將俄語語音轉換為文本。

🚀 快速開始

本模型使用transformers庫進行開發，以下是使用示例：

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)

✨ 主要特性

• 訓練資源：本模型使用兩塊A100 40GB GPU、128GB內存和兩顆至強48核2.4GHz CPU進行訓練。
• 訓練時間：約7小時。
• 訓練數據集：使用了來自Mozilla Common Voice 17的11.8萬個音頻樣本。

📦 安裝指南

由於文檔未提供具體安裝命令，此章節跳過。

💻 使用示例

基礎用法

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)

高級用法

文檔未提供高級用法示例，此部分內容暫缺。

📚 詳細文檔

由於文檔未提供詳細說明，此章節跳過。

🔧 技術細節

由於文檔中關於技術細節的描述未超過50字，此章節跳過。

📄 許可證

本項目採用MIT許可證。

📋 模型信息