许可证: openrail
语言:

• 丹麦语
  数据集:
• alexandrainst/coral
  评估指标:
• wer
• cer
  基础模型:
• syvai/hviske-v2
• openai/whisper-large-v3
  任务标签: 自动语音识别

耳语速记

Hviske-Tiske 堪称目前最快的丹麦语ASR模型。该模型是hviske-v2的蒸馏版本。

粗略估算，在保持hviske-v2准确率基本不变的前提下，速度提升约4倍，因此它显然是速度最快且近乎最精准的开源丹麦语转录模型。

对于长音频文件（30分钟以上），每份文件的处理时间差异为17秒。同时，该模型仅需占用GPU显存的一半，从而降低了对硬件的运行要求。

CTranslate2版HviskeV2加速模型

本模型将syvai/hviske-v2转换为CTranslate2格式，显著提升转录速度。

适用于支持CTranslate2的Python库（如faster-whisper）。

示例

from faster_whisper import WhisperModel  

model = WhisperModel("pluttodk/hviske-tiske")  

segments, info = model.transcribe("audio.mp3")  
for segment in segments:  
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))  

转换说明

原始模型转换逻辑详见GitHub

模型权重以FP16格式保存以获得最佳性能。注意：加载模型时可通过CTranslate2的compute_type参数调整数据类型。

性能表现：

基于alexandrainst/coral数据集评估（所有音频片段均为5秒），结果能准确反映实际性能。初步测试表明，该性能优势在长音频文件中依然保持（需注意faster-whisper-large-v3-turbo-ct2在30秒音频中表现最佳）。

性能对比

速度测试

针对不同时长音频进行测试（CER和WER分布与上图一致）：

• 5秒
• 10秒
• 30秒
• 1分钟
• 10分钟
• 30分钟