许可协议：apache-2.0
支持语言：

• 泰语
• 英语

基础模型：

• openai/whisper-large-v3

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 Large V3（泰语版）

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类进行音频转录：

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="automatic-speech-recognition",
    model="nectec/Pathumma-whisper-th-large-v3",
    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")["文本"]
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支持。同时感谢泰国国家科技发展署超级计算中心（ThaiSC/NSTDA）为模型训练、微调及评估提供的LANTA算力支持。

Pathumma音频团队

帕塔拉·提帕颂、瓦尤普·颂芒、奥察达·查通、关奇瓦·唐泰

引用文献

@misc{tipaksorn2024PathummaWhisper,
    title        = { Pathumma Whisper Large V3（泰语版） },
    author       = { 帕塔拉·提帕颂 and 瓦尤普·颂芒 and 奥察达·查通 and 关奇瓦·唐泰 },
    url          = { https://huggingface.co/nectec/Pathumma-whisper-th-large-v3 },
    publisher    = { Hugging Face },
    year         = { 2024 },
}