Faster Whisper Large V3 Zh TW

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

此模型将JacobLinCool/whisper-large-v3-turbo-common_voice_19_0-zh-TW转换为CTranslate2格式，可在faster-whisper中使用，实现自动语音识别功能。

🚀 快速开始

此模型可在faster-whisper库中使用，以下是使用示例代码：

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

基础用法

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))

🔧 技术细节

转换详情

原始模型是根据以下指令转换的：

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

注意事项

• 在转换完成后，需要自行到原始模型的model card中下载tokenizer.json。因为JacobLinCool/whisper-large-v3-turbo-common_voice_19_0-zh-TW的仓库中没有该文件，而faster_whishper需要这个文件来进行分词操作。
• 如果有需要，可以在转换指令中添加--quantization float16来指定量化精度。不过在推理时依旧可以使用compute_type参数来进一步量化/去除量化。

📄 信息表格