/ Модель

Характеристики

Контекст
1 024 токена
Размер весов
3,1 ГБ
Лицензия
MIT
Базовая модель
PhoWhisper-large
Библиотека
ctranslate2
Опубликована
15 авг 2026

PhoWhisper-large-ct2

Распознавание речиАудио → текст5 профессий

Конвертированная в CTranslate2 версия PhoWhisper-large для ускоренного распознавания вьетнамской речи и её транскрибации.

147скачиваний за 30 дней0лайковвеса обновлены15 авг 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

PhoWhisper-large-ct2 — конвертированная в формат CTranslate2 модель PhoWhisper-large, первоначально разработанной VinAI для распознавания вьетнамской речи. Репозиторий представляет собой форк kiendt/PhoWhisper-large-ct2; согласно карточке, веса совпадают с исходным репозиторием и не изменялись. Конвертация предназначена для ускорения инференса, в том числе на CPU.

Модель принимает аудио и транскрибирует вьетнамскую речь в текст. Она основана на Whisper и распространяется по лицензии MIT. Карточка не приводит сравнительных показателей качества или подробностей о поддержке других языков.

Сценарии применения

  • транскрибация вьетнамской речи из аудиозаписей
  • распознавание вьетнамской речи в приложении на CTranslate2
  • ускорение инференса распознавания речи на CPU

Ограничения

В карточке нет сравнительных оценок качества и подтверждения поддержки других языков; заявленное ускорение не сопровождается количественными результатами.

Для каких профессий подходит5

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

PhoWhisper-large-ct2

Fork notice: this is a fork of kiendt/PhoWhisper-large-ct2 (MIT license). Only the model card metadata was changed — library_name: ctranslate2 and tags were added so HF-tag-based discovery/filtering tools (e.g. Speaches) recognize this as a valid CTranslate2 ASR checkpoint. The weights are unmodified, byte-identical to the original repo.

This repository contains the PhoWhisper-large model converted to use CTranslate2 for faster inference. This allows for significant performance improvements, especially on CPU.

Usage

  1. Installation: Ensure you have the necessary libraries installed:

    pip install transformers ctranslate2 faster-whisper
    
  2. Conversion (only needed once): This step converts the original Hugging Face model to the CTranslate2 format.

    ct2-transformers-converter --model vinai/PhoWhisper-large --output_dir PhoWhisper-large-ct2 --copy_files tokenizer_config.json --quantization float16
    
  3. Transcription:

    import os
    from faster_whisper import WhisperModel
    
    model_size = "kiendt/PhoWhisper-large-ct2"
    # Run on GPU with FP16
    #model = WhisperModel(model_size, device="cuda", compute_type="float16")
    
    # or run on GPU with INT8
    # model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")
    # or run on CPU with INT8
    model = WhisperModel(model_size, device="cpu", compute_type="int8")
    
    segments, info = model.transcribe("audio.wav", beam_size=5) # Replace audio.wav with your audio file
    
    print("Detected language '%s' with probability %f" % (info.language, info.language_probability))
    
    for segment in segments:
        print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))
    

Model Details

  • Based on the vinai/PhoWhisper-large model.
  • Converted using ct2-transformers-converter.
  • Optimized for faster inference with CTranslate2.

Contributing

Contributions are welcome! Please open an issue or submit a pull request.

License

MIT

Как запустить

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

GPU в ailist

Универсальный рантайм · ctranslate2

Нельзя запустить

Модели CTranslate2 требуют отдельного рантайма.

Ревизия весов
a6a3d9f

0 моделей