batisay-ko-large 1.1 — 한국어 음성 인식 (Whisper Large fine-tune)

⚠️ 용도 안내 (2026-08-01 실측) — large 1.1 은 짧은 클립·문서/배치 전사의 정확도용입니다. 장문 통화·스트리밍에는 batisay-ko-turbo 를 쓰세요 (장문 합성벤치: turbo-q5 CER 7.9% vs large-f32 18.3% — large 는 장문 하드닝 사이클 미적용). large 를 쓸 땐 q8_0 권장 — q5_0 은 large 에서 품질 절벽이 실측됨(장문 CER 33.8% vs q8 19.2%).

한국어 정확도 1위급 STT — 깨끗한 음성 / 회의 / 강의 / 통화 / 대화 전 도메인 강건 Whisper Large v3 (1.55B) fine-tuned on Korean multi-domain speech + 통화 일반화 교정 For Mac mini 16GB → batisay-ko-base (Apache 2.0) 추천 (large 는 1.55B 라 무거움)

CER Benchmark (strict, N=500/domain)

1.1 은 전 도메인에서 1.0 을 개선 — 특히 8kHz 통화 −4.65pp (실 전화망 데이터 학습). 회의·장문에서 반복 환각 억제 강화 (generation_config: suppress_tokens 88 + no_repeat_ngram 3 + repetition_penalty 1.3 baked).

참고: OpenAI Whisper Large v3 raw ≈ 12% (KsponSpeech eval_clean). 측정 환경: GPU (transformers), strict CER, N=500/domain (Zeroth N=250). ⚠️ 30분+ long-form 통화의 실사용 CER 은 Mac whisper.cpp Metal 측정 후 별도 업데이트.

모델 정보

• 베이스: OpenAI Whisper Large v3 (1.55B params, 32-decoder)
• 학습 데이터: KsponSpeech + Zeroth + AI Hub 회의 132 / 강의 115 / 대화 130 / 상담 100 + 저음질 전화망 571 (실 8kHz)
• 총 학습량: ~5,000h 멀티도메인 (1.0) + 통화 일반화 교정 사이클 1,352h (1.1)
• 1.1 개선: 통화(8kHz) 대폭 개선 + 회의·장문 반복 환각 억제 (turbo 1.1 과 동일한 cycle4 교정 레시피 적용)
• 체크포인트: 1.1 (cycle4-r3 final)
• 출시일: 1.0 2026-06-11 / 1.1 2026-07-05

추천 사용처

✅ 회의 transcription (다화자 16kHz)
✅ 강의 / 프레젠테이션 (1인 발화)
✅ 문서 받아쓰기 (깨끗한 마이크)
✅ 인터뷰 / 일반 대화 (KsponSpeech 스타일)
✅ 통화 / 상담 (8kHz) — 1.1 에서 대폭 개선 (in-domain 5.33%)
✅ 미디어 / 콘텐츠 자막

⚠️ 30분+ 초장문 통화 실시간 — 속도 우선이면 batisay-ko-turbo 1.1 (rtf 0.06, 7x 빠름) 도 고려
   → large 1.1 은 정확도 우위, turbo 는 속도/경량 우위 (용도별 선택)

양자화

사용 방법

whisper.cpp (Mac / Linux / Windows)

# 다운로드
huggingface-cli download batiai/batisay-ko-large \
    ggml-batisay-ko-large-q5_0.bin --local-dir .

# 사용
./whisper-cli -m ggml-batisay-ko-large-q5_0.bin \
    -l ko -f audio.wav --output-txt

Mac (Apple Silicon Metal)

./whisper-cli -m ggml-batisay-ko-large-q5_0.bin \
    -l ko -f audio.wav --output-txt -t 8

Python (transformers)

# 원본 safetensors 도 별도 제공 (V10 Large)
from transformers import pipeline
pipe = pipeline("automatic-speech-recognition",
                model="batiai/batisay-ko-large")
result = pipe("audio.wav")
print(result["text"])

변환 / MLX / CoreML

✅ ggml (whisper.cpp) — 본 repo (Mac/Linux/Windows/iOS/Android)
🟡 MLX (Apple Silicon native, 1.5-2x 빠름) — 별도 repo
🟡 CoreML (iOS native) — 별도 repo

각 포맷별 별도 HF repo (batiai/batisay-ko-large-mlx, batiai/batisay-ko-large-coreml).

라이센스 — BatiAI Community v2

✅ 자유 사용 (form 작성 후 즉시 다운로드):
   - 개인 / 학생 / 연구자 / 비영리
   - 회사 사내 도구 (외부 판매 X) — 매출 10억 미만
   - 정부 / 공공 기관 / 교육 기관
   - PoC / 평가 (최초 6개월)

⚠️ 사전 협의 필요 (→ support@bati.ai):
   - 외부 SaaS / API 서비스 호스팅
   - 제품 임베드 양산 (콜센터 단말, 회의 디바이스)
   - 화이트 라벨 / 재판매
   - 연매출 10억원 이상 회사의 상업 사용
   
응답: 영업일 5일 이내 초기 회신
라이센스 형태: 매출 % 기반 / 정액 / 공동 출시 / 산업 독점 / 지분 교환 등 자유 협의

🎁 Fair Source Sunset: 출시일로부터 4년 후 자동 Apache 2.0 전환

전문: LICENSE-BATIAI-COMMUNITY.md

무료 모델 (Apache 2.0) — 100% 무료 사용

batisay-ko-base (809M, Apache):
  ✅ Apache 2.0 — 100% 무료 (form X)
  ✅ 빠른 추론 (rtf 0.06)
  ✅ 일반 한국어 STT
  
→ 매출 10억+ 회사도 자유 사용
→ 외부 SaaS / 앱 임베드도 자유
→ 한국어 STT "체험" 무료 옵션
→ https://huggingface.co/batiai/batisay-ko-base

출처 / 인용

@misc{batisay-ko-large-2026,
  title = {BatiSay-ko-large: Korean Whisper Large fine-tune},
  author = {BatiAI},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/batiai/batisay-ko-large}
}

Known Issues

• 전사 주석 잔여 문자 (경미): 학습 데이터 (KsponSpeech/AI Hub) 의 전사 주석 표기 영향으로, 출력에 드물게 단독 문자 (o, l 등) 가 남을 수 있습니다. 후처리에서 단독 영문자 1글자 토큰 제거를 권장합니다. (차기 large 학습에서 라벨 정제 검토.)

변경 이력

• v1.1 (2026-07-05): 전 도메인 개선 (통화 8kHz −4.65pp, 회의 −1.13, clean −0.99). 실 전화망(8kHz) 데이터 + 통화 일반화 교정 사이클(cycle4, turbo 1.1 과 동일 레시피) + 반복 환각 억제 강화. 내부 빌드 large-cycle4-r3.
• v1.0 (2026-06-11): 첫 출시 (문서/clean 전사 특화, multi-domain ~5,000h). 내부 빌드 V10.

문의

• 라이센스 / 임베드 협의: support@bati.ai
• 기술 이슈: HF Discussions
• BatiAI: https://flow.bati.ai