Pathumma Whisper Th Large V3

🚀 Pathumma Whisper Large V3 (泰語版)

Pathumma Whisper Large V3 (泰語版) 是基於自動語音識別技術的模型，藉助 transformers 庫，可高效準確地將泰語語音轉錄為文本，為泰語語音處理提供有力支持。

🚀 快速開始

你可以使用 pipeline 類，通過以下代碼片段轉錄音頻文件：

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-large-v3",
    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。我們感謝 BiodatLab 的 Titipat Achakulwisut 博士提供的評估管道。我們感謝泰國國家科學技術發展局超級計算機中心（ThaiSC）提供用於模型訓練、微調與評估的 LANTA。

👥 Pathumma 音頻團隊

Pattara Tipaksorn、Wayupuk Sommuang、Oatsada Chatthong、Kwanchiva Thangthai

📚 引用

@misc{tipaksorn2024PathummaWhisper,
    title        = { {Pathumma Whisper Large V3 (TH)} },
    author       = { Pattara Tipaksorn and Wayupuk Sommuang and Oatsada Chatthong and Kwanchiva Thangthai },
    url          = { https://huggingface.co/nectec/Pathumma-whisper-th-large-v3 },
    publisher    = { Hugging Face },
    year         = { 2024 },
}