库名称: transformers 标签:

• 越南语
• 多语言
• 音频转文本
• sp
• 语音转文字 许可证: mit 语言:
• vi 评估指标:
• 词错率
• 双语评估替补 基础模型:
• openai/whisper-large-v3-turbo 管道标签: 自动语音识别

EraX-WoW-Turbo：专为越南语优化的Whisper Large-v3 Turbo，超强本地化版！🚀

（兑现承诺！MIT许可证 - 完全彻底免费）

准备好体验比喝了咖啡的猎豹还快、准确度能让最挑剔的技术达人都惊叹的语音识别技术吧。EraX-WoW-Turbo基于强大的Whisper Large-v3 Turbo打造，并加入了特殊配方使其表现更出色。想象一下Whisper Large-v3经历了严格训练并灌下大量浓缩咖啡后的样子。

核心亮点

• 闪电速度： 实时转录不在话下。得益于Turbo架构的巧妙优化，处理30秒音频仅需约350毫秒。无需等待，文字稿几乎会在你说完话之前就呈现。（原版Medium模型？心有余而力不足啊。）

• 多语言大师： 不仅快，还是个语言通。我们在涵盖11种关键语言的多样化数据集上进行了微调：

  • 越南语（包含全部8个地区的口音！一个都没漏😉）
  • 印地语
  • 中文
  • 英语
  • 俄语
  • 德语
  • 乌克兰语
  • 日语
  • 法语
  • 荷兰语
  • 韩语

  相信这个选择能为各类应用提供坚实基础。（对高棉语和泰语的朋友说声抱歉，下个版本一定加入！要怪就怪我们老糊涂了👴👵）

• 精准可靠： 基准测试结果即将公布，但初步测试显示主要语言（包括难度较高的越南方言）的词错率(WER)低至12%左右。即使你有浓重口音，它也能听懂。

• 精心训练： 基于大量真实环境音频数据（30万样本，约1000小时）训练。有噪音？不在话下！

• 开源（MIT许可证）： 随心使用，毫无限制。

性能涡轮增压（CTranslate2）**

EraX-WoW-Turbo已经快如闪电，但配合CTranslate2库(https://github.com/OpenNMT/CTranslate2)还能再提速2.5倍！是追求极致低延迟应用的理想选择。

应用场景

• 实时转录： 现场字幕、会议记录、访谈...任何需要速度的场合。
• 语音助手： 打造响应迅捷、识别精准的声控应用。
• 媒体字幕： 快速准确生成视频播客字幕。
• 无障碍工具： 助力听障人士。
• 语言学习： 练习发音并获取即时反馈。
• 搭配即将推出的EraX翻译器（约100毫秒/句延迟）组成多语言沟通利器！想象国际会议的即时翻译或旅行应用的场景。

局限性（诚实至上！）

• 不擅长婴语/耳语： 基于成人语音训练。可能难以识别婴儿啼哭或极轻的耳语。（正在改进中！）请合理使用。

参与进来！

我们致力于让语音识别技术惠及所有人。欢迎您：

• 试用！ 下载模型亲自测试。
• 反馈意见： 告诉我们哪些好用、哪些需要改进、期待什么功能。（批评请温柔，我们玻璃心！😉）
• 贡献代码： 开发者欢迎加入项目。

EraX团队将持续优化模型。敬请期待更多更新与惊喜！

许可证:

• MIT 遵循Whisper的许可协议。

引用文献 📝

若觉得本项目有帮助，请为仓库点赞并如下引用：

@article{title={EraX-WoW-Turbo-V1.0: 用心聆听},
  author={阮英俊 - 范辉日 - AAA保险公司(504小时)},
  organization={EraX},
  year={2025},
  url={https://huggingface.co/erax-ai/EraX-WoW-Turbo-V1.0}
}