Hviske Tiske

🚀 低語速記（HviskeTiske）

低語速記（HviskeTiske）“幾乎”是最快的丹麥語自動語音識別（ASR）模型。該模型是低語v2（hviske - v2）的蒸餾版本。大致來說，它將低語v2的速度提高了約4倍，且準確率損失不大，因此它是目前最快且幾乎最精確的開源丹麥語轉錄模型。對於長音頻文件（30分鐘以上），每個文件的處理時間可縮短17秒。同時，該模型在GPU上所需的顯存僅為原模型的一半，對運行硬件的要求更低。

🚀 快速開始

低語速記（HviskeTiske）是一款高性能的丹麥語自動語音識別模型，它通過蒸餾技術優化了低語v2模型，顯著提升了處理速度，同時保持了較高的準確率。該模型可在支持CTranslate2的Python庫中使用，如faster - whisper。

✨ 主要特性

• 速度提升：相比低語v2，速度提升約4倍，長音頻文件處理優勢明顯。
• 低顯存需求：所需顯存僅為原模型的一半，降低硬件要求。
• 高精度：在速度提升的同時，保持了較高的準確率。

📦 安裝指南

文檔未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

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))

高級用法

文檔未提及高級用法代碼示例，故不展示此部分。

📚 詳細文檔

低語v2的CTranslate2加速模型

該模型將syvai/hviske - v2轉換為CTranslate2模型格式，從而顯著加快轉錄速度。它可以在支持CTranslate2的Python庫（如faster - whisper）中使用。

模型轉換

原始模型按照此邏輯進行轉換。模型權重以FP16格式保存，以獲得最佳性能。需要注意的是，在使用CTranslate2的compute_type選項加載模型時，可以更改數據類型。

性能評估

性能評估基於alexandrainst/coral數據集，其中所有音頻片段時長為5秒，該評估結果能較好地反映模型性能。簡單測試表明，在較長音頻文件上也能保持類似性能（注意，faster - whisper - large - v3 - turbo - ct2在30秒音頻文件上表現最佳）。

性能表現

速度測試

為測試速度，對以下時長的音頻進行了測試，字符錯誤率（CER）和詞錯誤率（WER）分佈與上述圖表一致：

• 5秒
• 10秒
• 30秒
• 1分鐘
• 10分鐘
• 30分鐘

🔧 技術細節

文檔未提供具體技術實現細節，故跳過此章節。

📄 許可證

該模型採用OpenRail許可證。