Erax WoW Turbo V1.0

🚀 EraX-WoW-Turbo：适用于越南语及更多语言的Whisper Large-v3 Turbo，超强本地化版本！🚀

EraX-WoW-Turbo是一款基于强大的Whisper Large-v3 Turbo构建的语音识别模型，它速度极快，准确性高，就像经过严格训练并喝了大量浓缩咖啡后的Whisper Large-v3。该模型采用MIT许可协议，完全免费使用。

🚀 快速开始

EraX-WoW-Turbo已经准备好为你带来超棒的语音识别体验。你可以直接下载模型进行测试，感受它的强大性能。

✨ 主要特性

极速识别

借助Turbo架构的巧妙优化，该模型能够实现实时转录。它可以在大约350毫秒内处理30秒的音频，让你的转录内容几乎在你说话结束前就出现，相比原始的中等模型，速度优势明显。

多语言支持

EraX-WoW-Turbo是一个语言多面手，它在涵盖11种关键语言的多样化数据集上进行了微调：

• 越南语（涵盖所有8个地区，不会遗漏任何口音 😉）
• 印地语
• 中文
• 英语
• 俄语
• 德语
• 乌克兰语
• 日语
• 法语
• 荷兰语
• 韩语

我们相信这个语言选择为广泛的应用提供了坚实的基础。（向柬埔寨语和泰语使用者表示歉意，我们会在下个版本中支持，就怪年纪大了容易健忘吧 👴👵）

高准确性

尽管基准测试结果仍在最终确定中（即将公布！），但初步测试显示，该模型在包括具有挑战性的越南方言在内的主要语言上，单词错误率（WER）约为12%，即使你有很重的地方口音，它也能准确理解你说的话。

精心训练

模型在大量数据集（约300,000个样本，约1000小时）上进行训练，涵盖了真实世界的音频条件，即使有噪音也能正常工作。

开源许可

采用MIT许可协议，你可以自由使用，没有任何限制。

🔧 技术细节

性能提升（CTranslate2）

虽然EraX-WoW-Turbo本身已经非常快，但通过与CTranslate2库（https://github.com/OpenNMT/CTranslate2）结合使用，你可以进一步提升速度，实现高达2.5倍的加速，这使其非常适合对延迟要求极高的应用。

💻 使用示例

应用场景

• 实时转录：适用于实时字幕、会议、访谈等对速度要求较高的场景。
• 语音助手：构建响应迅速且准确的语音控制应用程序。
• 媒体字幕：快速准确地为视频和播客生成字幕。
• 无障碍工具：帮助听力障碍人士。
• 语言学习：练习发音并获得即时反馈。
• 与即将推出的EraX翻译器结合使用：实现约100毫秒/句子的延迟，打造一个完整的多语言通信平台，可用于国际会议的即时翻译或旅行应用程序。

🚫 局限性

该模型是基于成人语音进行训练的，可能在处理婴儿的高音哭声或非常安静的低语时遇到困难，开发团队正在努力改进这一问题。

🤝 参与贡献

我们热衷于让语音识别技术惠及每一个人，鼓励你：

• 试用模型：下载模型并进行测试。
• 提供反馈：告诉我们哪些方面表现良好，哪些方面需要改进，以及你希望看到的功能。（批评时请温柔一些，我们很敏感哦 😉）
• 贡献代码：如果你是开发者，欢迎为项目做出贡献。

EraX团队致力于不断改进我们的模型，请持续关注未来的更新和更多令人兴奋的发展！

📄 许可证

本项目遵循Whisper的许可协议，采用MIT许可。

📝 引用

如果你发现我们的项目有用，请给我们的仓库点个星，并按照以下方式引用我们的工作：

@article{title={EraX-WoW-Turbo-V1.0: Lắng nghe để Yêu thương.},
  author={Nguyễn Anh Nguyên - Phạm Huỳnh Nhật - Cty Bảo hiểm AAA (504h)},
  organization={EraX},
  year={2025},
  url={https://huggingface.co/erax-ai/EraX-WoW-Turbo-V1.0}
}