Distil Large V3.5 Ct2

🚀 Distil-Whisper: 适用于CTranslate2的Distil-Large-v3.5

Distil-Whisper是一个用于自动语音识别的模型，本仓库包含了 distil-large-v3.5 转换为 CTranslate2 格式的模型权重。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。

🚀 快速开始

要在Faster-Whisper中使用该模型，首先需要根据 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]

💻 使用示例

基础用法

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" 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-whisper/distil-large-v3.5-ct2", 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=5, language="en")

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

高级用法

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 方法：

segments, info = model.transcribe("audio.mp3", beam_size=5, language="en")

📚 详细文档

有关Distil-Large-v3.5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

如果您使用了这个模型，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}
}