/ Модель

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
30 мар 2025

EraX-WoW-Turbo-V1.1

Распознавание речиАудио → текст10 профессий

Мультиязычная модель EraX на базе Whisper Large-v3 Turbo для быстрой транскрибации речи в текст.

61скачиваний за 30 дней14лайковвеса обновлены31 мар 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

EraX-WoW-Turbo V1.1 — модель распознавания речи команды EraX, дообученная на основе openai/whisper-large-v3-turbo. Это мультиязычная архитектура Whisper с 905,2 млн параметров, предназначенная для преобразования аудио в текст. По данным карточки, обучение включало около 600 тысяч примеров и 1000 часов аудио на 11 языках: вьетнамском, английском, китайском, кантонском, индонезийском, корейском, японском, русском, немецком, французском и нидерландском.

Модель рассчитана на транскрибацию в реальном времени, создание субтитров, расшифровку встреч и голосовые интерфейсы. В README заявлены скорость обработки 30 секунд аудио примерно за 350 мс и предварительный WER около 12%, однако авторы отмечают, что результаты бенчмарков ещё уточняются. Модель поддерживает входное аудио и выдаёт текст; карточка отдельно указывает возможные трудности с детской речью и тихим шёпотом. Лицензия — MIT.

Сценарии применения

  • расшифровка встреч и интервью
  • создание субтитров для видео и подкастов
  • распознавание речи в реальном времени
  • транскрибация аудио на поддерживаемых языках
  • голосовой ввод и голосовые интерфейсы
  • расшифровка разговоров с региональными акцентами

Ограничения

В README указано, что модель может хуже распознавать детскую речь и тихий шёпот. Заявленные скорость и качество предварительные, а результаты бенчмарков ещё уточняются.

Для каких профессий подходит10

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

EraX-WoW-Turbo V1.1: Whisper Large-v3 Turbo for Vietnamese and then some, Supercharged and Localized! 🚀

(A promise fulfilled! MIT License - Absolutely, positively, totally free.)

Get ready to experience speech recognition that's faster than a caffeinated cheetah and accurate enough to impress even your most skeptical tech-savvy friends. EraX-WoW-Turbo is here, built upon the already impressive Whisper Large-v3 Turbo, but with a special sauce that makes it truly shine. Think of it as Whisper Large-v3 after a rigorous training montage and a lot of espresso.

What's the Big Deal?

  • Blazing Fast: We're talking real-time transcription (with amazing library CTranslate2). Thanks to the clever optimizations in the Turbo architecture, this model chews through 30 seconds of audio in about 350ms. Forget about waiting; your transcripts will appear practically before you finish speaking. (The original Medium model? Bless its heart, it can't keep up.)

  • Multilingual Maestro: EraX-WoW-Turbo isn't just fast; it's a linguistic polyglot. We've fine-tuned it on a diverse dataset covering 11 key languages:

    • Vietnamese (with love from all 8 regions! We didn't forget any accents 😉)
    • English (US)
    • Chinese (Mandarin, tiếng phổ thông, Trung Quốc)
    • Cantonese (tiếng Chợ Lớn)
    • Indonesian (tiếng phổ cập nhất)
    • Korean
    • Japanese
    • Russian
    • German
    • French
    • Dutch

    We believe this selection provides a strong foundation for a wide range of applications.

  • Accuracy You Can Trust: We're still finalizing the benchmark results (coming soon!), but preliminary tests show an impressive WER (Word Error Rate) around 12% across the major languages, including challenging Vietnamese dialects. This thing understands you, even if you've got a really strong regional accent.

  • Trained with Care: The model was trained on a substantial dataset (600,000 samples, roughly 1000 hours), covering real-world audio conditions. Noise? No problem!

  • Open Source (MIT License): Do whatever you want, no restrictions.

  • Try it :

    "Chị Lan Anh ơi, em xin lỗi vì sự cố mất sóng vừa rồi. Em đã ghi nhận được hầu hết thông tin rồi ạ. Bây giờ em muốn hỏi chị là hiện tại xe của chị đang ở đâu ạ? Xe vẫn còn ở hiện trường hay đã được di chuyển đến gara hay nơi nào khác?"

Turbocharging Performance (CTranslate2)**

While EraX-WoW-Turbo is already lightning-fast, you can unlock even more speed by using it with the CTranslate2 library (https://github.com/OpenNMT/CTranslate2). We're talking about a potential 2.5x speedup! This makes it ideal for applications requiring the absolute lowest latency.

Use Cases

  • Real-time Transcription: Live captioning, meetings, interviews... anything where speed matters.
  • Voice Assistants: Build responsive and accurate voice-controlled applications.
  • Media Subtitling: Generate subtitles for videos and podcasts quickly and accurately.
  • Accessibility Tools: Empower individuals with hearing impairments.
  • Language Learning: Practice pronunciation and receive instant feedback.
  • Combine it with our upcoming EraX translator (around 100ms/sentence latency) for a complete multilingual communication powerhouse! Think instant translation for international conferences or even a travel app.

Limitations (Honesty is the Best Policy!)

  • Not for Babies (or Whispers): This model is trained on adult speech. It might struggle with the high-pitched cries of infants or very quiet, hushed whispers. (We're working on it!) So use in the right cases.

Get Involved!

We're passionate about making speech recognition accessible to everyone. We encourage you to:

  • Try it out! Download the model and put it to the test.
  • Provide feedback: Let us know what works, what doesn't, and what features you'd like to see. (Be gentle with the criticisms; we're sensitive! 😉)
  • Contribute: If you're a developer, consider contributing to the project.

The EraX Team is committed to continuously improving our models. Stay tuned for future updates and even more exciting developments!The EraX Team.

License:

  • MIT follows Whisper's license.

Citation 📝

If you find our project useful, we would appreciate it if you could star our repository and cite our work as follows:

@article{title={EraX-WoW-Turbo-V1.1: Lắng nghe để Yêu thương.},
  author={Nguyễn Anh Nguyên - Phạm Huỳnh Nhật - Cty Bảo hiểm AAA (504h)},
  organization={EraX},
  year={2025},
  url={https://huggingface.co/erax-ai/EraX-WoW-Turbo-V1.1}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
1b3a8da

0 моделей