/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
8 июл 2026

whisper-large-v3-ct2

Распознавание речиАудио → текст8 профессий

Локальный комплект на базе Whisper large-v3 для многоязычной транскрибации аудио с временными метками слов и символов и опциональной диаризацией.

65скачиваний за 30 дней0лайковвеса обновлены15 июл 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

deAPI-ai/whisper-large-v3-ct2 — локальный комплект для распознавания речи на основе Whisper large-v3, подготовленный в формате CTranslate2 для работы через faster-whisper. В комплект входят распознаватель речи, выравниватели на wav2vec2 для английского и польского языков, а также опциональный компонент pyannote для определения говорящих. Компоненты разрешаются из локальной директории, без загрузки файлов во время работы.

Модель предназначена для транскрибирования аудио, получения временных меток слов и символов на английском и польском языках, а также диаризации при подключении соответствующих компонентов. Whisper large-v3 обеспечивает многоязычное распознавание речи; README отдельно указывает, что точные метки времени доступны для английского и польского. Комплект распространяется по лицензии other, поэтому условия использования следует проверять в карточке репозитория.

Сценарии применения

  • транскрибация многоязычных аудиозаписей
  • получение временных меток слов в английской речи
  • получение временных меток символов в польской речи
  • разделение записи на реплики разных говорящих

Ограничения

Выравниватели с временными метками указаны только для английского и польского языков. Для использования диаризации требуется компонент pyannote; условия лицензии «other» нужно уточнить по карточке репозитория.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large V3 CT2 — Word/Char Timestamps + Diarization Bundle

A single, self-contained ASR bundle: faster-whisper / CTranslate2 transcription of Whisper large-v3, plus wav2vec2 forced alignment for accurate per-word and per-char timestamps, plus optional pyannote speaker diarization. Everything is resolved locally from this directory — nothing is downloaded at runtime.

Contents

PathComponentPurpose
/Whisper large-v3 (CTranslate2, int8_float16-ready)transcription engine
aligners/enwav2vec2-large-xlsr-53-englishEnglish word/char timestamps
aligners/plwav2vec2-large-xlsr-53-polishPolish word/char timestamps
aligners/multiwav2vec2-xlsr-multilingual-5656-language fallback aligner
diarization/speaker-diarization-community-1speaker labels (who spoke when)

Licenses

This is a bundle of independently-licensed models. Each component keeps its own license:

ComponentSourceLicense
Whisper large-v3 weightsopenai/whisper-large-v3MIT
CTranslate2 conversion formatOpenNMT/CTranslate2 (SYSTRAN)MIT
English alignerjonatasgrosman/wav2vec2-large-xlsr-53-englishApache-2.0
Polish alignerjonatasgrosman/wav2vec2-large-xlsr-53-polishApache-2.0
Multilingual alignervoidful/wav2vec2-xlsr-multilingual-56Apache-2.0
Diarizationpyannote/speaker-diarization-community-1CC-BY-4.0 (weights) · pyannote.audio code MIT

Attribution (required): the diarization weights are licensed CC-BY-4.0 — commercial use is permitted with attribution to pyannote (Hervé Bredin et al.) and the speaker-diarization-community-1 model card. Keep this notice on any redistribution.

The bundle is made available by deAPI-ai on Hugging Face, configured for integration with GamerHash AI's platform. All credit for the underlying models belongs to their respective creators listed above.

Note on file formats

  • model.bin is CTranslate2's own binary format (the transcription engine) — not a PyTorch pickle.
  • The aligners are stored as safetensors.
  • diarization/*/pytorch_model.bin are pyannote / PyTorch-Lightning checkpoints; they carry non-tensor hyperparameters that safetensors cannot hold, so they remain .bin (identical to the official pyannote/speaker-diarization-community-1 repo).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
4f7b24e

0 моделей