许可协议：apache-2.0
支持语言：

• 泰语（th）
• 英语（en）
  基础模型：
• openai/whisper-medium
  任务类型：自动语音识别
  库名称：transformers
  评估指标：
• 词错误率（wer）

Pathumma Whisper 泰语中量版（Th）

模型描述

需补充详细信息

快速开始

您可以通过以下代码片段使用pipeline类转录音频文件：

import torch
from transformers import pipeline

device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.bfloat16 if torch.cuda.is_available() else torch.float32

lang = "th"
task = "transcribe"

pipe = pipeline(
    task="自动语音识别",
    model="nectec/Pathumma-whisper-th-medium",
    torch_dtype=torch_dtype,
    device=device,
)
pipe.model.config.forced_decoder_ids = pipe.tokenizer.get_decoder_prompt_ids(language=lang, task=task)

text = pipe("音频路径.wav")["text"]
print(text)

局限性与未来工作

需补充详细信息

致谢

我们衷心感谢参与开源语音模型研究的团队，包括AIResearch、BiodatLab、Looloo Technology、SCB 10X和OpenAI。特别感谢BiodatLab的Titipat Achakulwisut博士提供的评估流程。同时感谢泰国超级计算机中心（ThaiSC/NSTDA Supercomputer Centre）为模型训练、微调及评估提供的LANTA计算资源支持。

Pathumma音频团队

Pattara Tipaksorn、Wayupuk Sommuang、Kwanchiva Thangthai

引用格式

@misc{tipaksorn2024PathummaWhisper,
    title        = { {Pathumma Whisper泰语中量版(TH)} },
    author       = { Pattara Tipaksorn、Wayupuk Sommuang、Kwanchiva Thangthai },
    url          = { https://huggingface.co/nectec/Pathumma-whisper-th-medium },
    publisher    = { Hugging Face },
    year         = { 2024 },
}