Distil Large V3 Ct2

🚀 Distil-Whisper：適用於CTranslate2的distil-large-v3

本倉庫包含已轉換為 CTranslate2 格式的 distil-large-v3 模型權重。CTranslate2 是一個用於Transformer模型的快速推理引擎，也是 Faster-Whisper 包支持的後端。

與之前的Distil-Whisper版本相比，distil-large-v3專門設計為與OpenAI Whisper的長格式轉錄算法兼容。在我們對4個分佈外數據集的基準測試中，distil-large-v3的平均字錯誤率（WER）比distil-large-v2低5%。因此，切換到這個最新的檢查點，你可以期待顯著的性能提升。

🚀 快速開始

安裝依賴

要在Faster-Whisper中使用該模型，首先根據 官方說明 安裝PyPi包。在這個示例中，我們還將安裝🤗 Datasets，以便從Hugging Face Hub加載一個玩具音頻數據集：

pip install --upgrade pip
pip install --upgrade git+https://github.com/SYSTRAN/faster-whisper datasets[audio]

運行推理

以下代碼片段加載distil-large-v3模型，並對LibriSpeech ASR數據集中的一個示例文件進行推理：

import torch
from faster_whisper import WhisperModel
from datasets import load_dataset

# define our torch configuration
device = "cuda:0" if torch.cuda.is_available() else "cpu"
compute_type = "float16" if torch.cuda.is_available() else "float32"

# load model on GPU if available, else cpu
model = WhisperModel("distil-large-v3", device=device, compute_type=compute_type)

# load toy dataset for example
dataset = load_dataset("hf-internal-testing/librispeech_asr_dummy", "clean", split="validation")
sample = dataset[1]["audio"]["path"]

segments, info = model.transcribe(sample, beam_size=1)

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

轉錄本地音頻文件

要轉錄本地音頻文件，只需將音頻文件的路徑作為 audio 參數傳遞給 transcribe 函數：

segments, info = model.transcribe("audio.mp3", beam_size=1)

📚 詳細文檔

有關distil-large-v3模型的更多信息，請參考原始 模型卡片。

📄 許可證

Distil-Whisper繼承了OpenAI的Whisper模型的 MIT許可證。

📖 引用

如果您使用此模型，請考慮引用 Distil-Whisper論文：

@misc{gandhi2023distilwhisper,
      title={Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling}, 
      author={Sanchit Gandhi and Patrick von Platen and Alexander M. Rush},
      year={2023},
      eprint={2311.00430},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}