/ Модель

Характеристики

Размер весов
2,3 ГБ
Лицензия
MIT
Опубликована
27 дек 2024

whisper_tflite_models

Распознавание речиАудио → текст4 профессии

Набор моделей Whisper в формате TFLite для распознавания и перевода речи в приложении Whisper на F-Droid.

14 446скачиваний за 30 дней12лайковвеса обновлены18 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DocWolle/whisper_tflite_models — набор моделей Whisper в формате TensorFlow Lite для приложения Whisper на F-Droid. Модели принимают аудиопризнаки размером 80 × 3000 и предназначены для автоматического распознавания речи; отдельные варианты позволяют выбрать транскрибацию или перевод, а также принудительно задать язык распознавания. Выход представляет собой последовательность токенов с текстом без временных меток.

Репозиторий содержит преобразованные модели TFLite на основе Whisper; точные размеры и варианты базовых моделей в доступной карточке не приведены. README показывает обёртки с лимитом генерации до 450 новых токенов. Лицензия — MIT. Модели рассчитаны на встраивание в приложение Whisper и локальный запуск совместимой средой TensorFlow Lite.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи на заданном языке
  • перевод речи в текст
  • локальное распознавание речи в Android-приложении

Ограничения

README указывает максимальную генерацию до 450 токенов, поэтому длинные высказывания могут обрезаться. Для использования требуется приложение или среда, совместимая с TensorFlow Lite.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper tflite models for use in Whisper app on F-Droid

"transcribe-translate" models provide signatures for "serving_transcribe" and "serving_translate" to force the model to perform a certain action

@tf.function(
    input_signature=[
        tf.TensorSpec((1, 80, 3000), tf.float32, name="input_features"),
    ],
)
def transcribe(self, input_features):
    outputs = self.model.generate(
        input_features,
        max_new_tokens=450,  # change as needed
        return_dict_in_generate=True,
        forced_decoder_ids=[[2, 50359], [3, 50363]],  # forced to transcribe any language with no timestamps
    )
    return {"sequences": outputs["sequences"]}

@tf.function(
    input_signature=[
        tf.TensorSpec((1, 80, 3000), tf.float32, name="input_features"),
    ],
)
def translate(self, input_features):
    outputs = self.model.generate(
        input_features,
        max_new_tokens=450,  # change as needed
        return_dict_in_generate=True,
        forced_decoder_ids=[[2, 50358], [3, 50363]],  # forced to translate any language with no timestamps
    )
    return {"sequences": outputs["sequences"]}

In order to force transcription for a certain language set the 1. decoder id as shown below:

def transcribe(self, input_features):
    outputs = self.model.generate(
        input_features,
        max_new_tokens=450,  # change as needed
        return_dict_in_generate=True,
        forced_decoder_ids=[[1, 50261], [2, 50359], [3, 50363]],  # forced to transcribe (50359) German (50261) with no timestamps (50363)
    )
    return {"sequences": outputs["sequences"]}

def translate(self, input_features):
    outputs = self.model.generate(
        input_features,
        max_new_tokens=450,  # change as needed
        return_dict_in_generate=True,
        forced_decoder_ids=[[1, 50261], [2, 50358], [3, 50363]],  # different forced_decoder_ids
    )
    return {"sequences": outputs["sequences"]}

(language codes from here: https://github.com/woheller69/whisperIME/blob/master/app/src/main/java/com/whispertflite/utils/InputLang.java)


The models are based on:

@misc{radford2022whisper,
  doi = {10.48550/ARXIV.2212.04356},
  url = {https://arxiv.org/abs/2212.04356},
  author = {Radford, Alec and Kim, Jong Wook and Xu, Tao and Brockman, Greg and McLeavey, Christine and Sutskever, Ilya},
  title = {Robust Speech Recognition via Large-Scale Weak Supervision},
  publisher = {arXiv},
  year = {2022},
  copyright = {arXiv.org perpetual, non-exclusive license}
}

Conversion to tflite is based on:

@misc{nyadla-sys,
  author={Niranjan Yadla},
  title={{Whisper TFLite: OpenAI Whisper Model Port for Edge Devices}},
  year=2022,
  howpublished={GitHub Repository},
  url={https://github.com/nyadla-sys/whisper.tflite},
  note={Original TFLite implementation of OpenAI Whisper for on-device automatic speech recognition}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
1703113

0 моделей