Faster Whisper Large V3 Zh TW

🚀 asadfgglie/faster-whisper-large-v3-zh-TW

此模型將JacobLinCool/whisper-large-v3-turbo-common_voice_19_0-zh-TW轉換為CTranslate2格式，可在faster-whisper中使用，實現自動語音識別功能。

🚀 快速開始

此模型可在faster-whisper庫中使用，以下是使用示例代碼：

from faster_whisper import WhisperModel

model = WhisperModel("asadfgglie/faster-whisper-large-v3-zh-TW")

segments, info = model.transcribe("audio.mp3")
for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

💻 使用示例

基礎用法

from faster_whisper import WhisperModel

model = WhisperModel("asadfgglie/faster-whisper-large-v3-zh-TW")

segments, info = model.transcribe("audio.mp3")
for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

🔧 技術細節

轉換詳情

原始模型是根據以下指令轉換的：

ct2-transformers-converter --output_dir faster-whisper-large-v3-zh-TW \
 --model JacobLinCool/whisper-large-v3-turbo-common_voice_19_0-zh-TW \
 --copy_files preprocessor_config.json

注意事項

• 在轉換完成後，需要自行到原始模型的model card中下載tokenizer.json。因為JacobLinCool/whisper-large-v3-turbo-common_voice_19_0-zh-TW的倉庫中沒有該文件，而faster_whishper需要這個文件來進行分詞操作。
• 如果有需要，可以在轉換指令中添加--quantization float16來指定量化精度。不過在推理時依舊可以使用compute_type參數來進一步量化/去除量化。

📄 信息表格