/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
25 апр 2024

whisper-large-v3-taiwanese-hakka

Распознавание речиАудио → текст3 профессии

Дообученная Whisper large-v3 для транскрибации речи на тайваньском хакка с подсказками для шести диалектов.

6скачиваний за 30 дней11лайковвеса обновлены12 мая 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

Модель formospeech/whisper-large-v3-taiwanese-hakka — дообученная версия Whisper large-v3 от OpenAI, подготовленная для распознавания тайваньского языка хакка с учётом шести диалектов. Во время обучения использовались идентификаторы диалектов в качестве подсказок: Sixian, Hailu, Dabu, Raoping, Zhao’an и Nansixian.

Модель предназначена для преобразования аудиозаписей на хакка в текст. Она построена на архитектуре Whisper large-v3 и распространяется в формате safetensors; для работы используется библиотека Transformers. Репозиторий закрытый: для доступа требуется запросить разрешение на Hugging Face. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • транскрибация записей на тайваньском хакка
  • распознавание речи на диалекте Sixian
  • распознавание речи на диалекте Hailu
  • транскрибация речи на диалектах Dabu, Raoping, Zhao’an и Nansixian

Ограничения

Для использования требуется получить доступ к gated-репозиторию Hugging Face. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Для каких профессий подходит3

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

Model Card for whisper-large-v3-taiwanese-hakka

This model is a fine-tuned version of the Taiwanese Hakka openai/whisper-large-v3, which uses the ids of each dialect as prompts during training, to experiment whether the addition of prompts to the finetune of whisper when using multiple dialects will give better results.

Dialect and Id

  • 四縣: htia_sixian
  • 海陸: htia_hailu
  • 大埔: htia_dapu
  • 饒平: htia_raoping
  • 詔安: htia_zhaoan
  • 南四縣: htia_nansixian

Training process

The training of the model was performed with the following hyperparameters

  • Batch size: 32
  • Epochs: 3
  • Warmup Steps: 50
  • Total Steps: 42549
  • Learning rate: 7e-5
  • Data augmentation: No

How to use

Access and Authentication

This model is hosted as a gated Hugging Face repository. Before using it:

  1. Visit the model page and request access.
  2. Log in with the same Hugging Face account that has been granted access.
  3. Authenticate your local environment with a Hugging Face access token.

A read token is sufficient for inference.

pip install -U huggingface_hub
hf auth login

Alternatively, you can provide the token through the HF_TOKEN environment variable:

export HF_TOKEN=hf_xxx

Do not hard-code your Hugging Face token in scripts, notebooks, or public repositories.

If you see an error such as Cannot access gated repo, make sure that:

  • your Hugging Face account has been granted access to this model;
  • hf auth whoami shows the expected account;
  • HF_HUB_DISABLE_IMPLICIT_TOKEN is not set.

Run model

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "formospeech/whisper-large-v3-taiwanese-hakka"
dialect_id = "htia_sixian"
model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)
processor = AutoProcessor.from_pretrained(model_id)
pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    torch_dtype=torch_dtype,
    device=device,
)
generate_kwargs = {"language": "Chinese", "prompt_ids": torch.from_numpy(processor.get_prompt_ids(dialect_id)).to(device)}
transcription = pipe("path/to/my_audio.wav", generate_kwargs=generate_kwargs)
print(transcription.replace(f" {dialect_id}", ""))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
dfa00a4

0 моделей