Pathumma Whisper Th Medium

🚀 Pathumma Whisper Medium (泰語)

Pathumma Whisper Medium (泰語) 是一個用於自動語音識別的模型，基於 openai/whisper-medium 模型構建，可對泰語語音進行轉錄。

🚀 快速開始

你可以使用 pipeline 類轉錄音頻文件，代碼如下：

基礎用法

import torch
from transformers import pipeline

device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.bfloat16 if torch.cuda.is_available() else torch.float32

lang = "th"
task = "transcribe"

pipe = pipeline(
    task="automatic-speech-recognition",
    model="nectec/Pathumma-whisper-th-medium",
    torch_dtype=torch_dtype,
    device=device,
)
pipe.model.config.forced_decoder_ids = pipe.tokenizer.get_decoder_prompt_ids(language=lang, task=task)

text = pipe("audio_path.wav")["text"]
print(text)

📄 許可證

本項目採用 Apache-2.0 許可證。

👏 致謝

我們感謝參與創建開放語音模型的研究團隊，包括 AIResearch、BiodatLab、Looloo Technology、SCB 10X 和 OpenAI。感謝 BiodatLab 的 Titipat Achakulwisut 博士提供的評估管道。同時，感謝泰國超級計算機中心（ThaiSC 或 NSTDA Supercomputer Centre）提供用於模型訓練、微調及評估的 LANTA。

Pathumma 音頻團隊

Pattara Tipaksorn、Wayupuk Sommuang、Kwanchiva Thangthai

引用

@misc{tipaksorn2024PathummaWhisper,
    title        = { {Pathumma Whisper Medium (TH)} },
    author       = { Pattara Tipaksorn and Wayupuk Sommuang and Kwanchiva Thangthai },
    url          = { https://huggingface.co/nectec/Pathumma-whisper-th-medium },
    publisher    = { Hugging Face },
    year         = { 2024 },
}

📋 模型信息