Конверсия дообученной модели Whisper Medium для распознавания и транскрибирования узбекской речи через faster-whisper и WhisperX.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Это конвертированная в формат CTranslate2 с точностью float16 модель Whisper Medium, подготовленная для запуска через faster-whisper и WhisperX. Её базовая модель islomov/rubaistt_v2_medium дообучена для транскрибирования узбекской речи, в том числе ташкентского диалекта.
Модель принимает аудио и преобразует речь в текст; её можно использовать для транскрибирования узбекских аудиозаписей. В README приведён пример запуска на GPU через faster-whisper с указанием языка uz. Репозиторий распространяется по лицензии Apache-2.0.
README описывает запуск через faster-whisper и WhisperX и приводит пример с CUDA и float16; другие режимы запуска в карточке не описаны.
README от автора на Hugging Face, как он его опубликовал
CTranslate2 (float16) конверсия islomov/rubaistt_v2_medium для faster-whisper / WhisperX.
Конвертировано ct2-transformers-converter --quantization float16.
from faster_whisper import WhisperModel
model = WhisperModel("AlexAnoshka/fast-whisper-uz-rubaistt-v2-medium-ct2", device="cuda", compute_type="float16")
segments, info = model.transcribe("audio.wav", language="uz")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Архитектура ? неизвестна transformers в образе рантайма.