Distil Large V3 Ct2

🚀 Distil-Whisper：适用于CTranslate2的distil-large-v3

本仓库包含已转换为 CTranslate2 格式的 distil-large-v3 模型权重。CTranslate2 是一个用于Transformer模型的快速推理引擎，也是 Faster-Whisper 包支持的后端。

与之前的Distil-Whisper版本相比，distil-large-v3专门设计为与OpenAI Whisper的长格式转录算法兼容。在我们对4个分布外数据集的基准测试中，distil-large-v3的平均字错误率（WER）比distil-large-v2低5%。因此，切换到这个最新的检查点，你可以期待显著的性能提升。

🚀 快速开始

安装依赖

要在Faster-Whisper中使用该模型，首先根据 官方说明 安装PyPi包。在这个示例中，我们还将安装🤗 Datasets，以便从Hugging Face Hub加载一个玩具音频数据集：

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

运行推理

以下代码片段加载distil-large-v3模型，并对LibriSpeech ASR数据集中的一个示例文件进行推理：

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))

转录本地音频文件

要转录本地音频文件，只需将音频文件的路径作为 audio 参数传递给 transcribe 函数：

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

📚 详细文档

有关distil-large-v3模型的更多信息，请参考原始 模型卡片。

📄 许可证

Distil-Whisper继承了OpenAI的Whisper模型的 MIT许可证。

📖 引用

如果您使用此模型，请考虑引用 Distil-Whisper论文：

@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}
}