许可协议: mit
支持语言:

• 日语
  基础模型:
• kotoba-tech/kotoba-whisper-v2.2
  任务标签: 自动语音识别

适用于CTranslate2的Whisper kotoba-whisper-v2.2模型

本仓库包含将kotoba-tech/kotoba-whisper-v2.2转换为CTranslate2模型格式的版本。
该模型可用于CTranslate2或基于CTranslate2的项目，例如faster-whisper。

示例

安装库并获取示例音频。

pip install faster-whisper  

使用kotoba-whisper-v2.2-faster进行推理。

from faster_whisper import WhisperModel  

if __name__ == '__main__':  
    model = WhisperModel(model_size_or_path="./kotoba-whisper-v2.2-faster", device="cuda", compute_type="float32", local_files_only=True)  
    segments, info = model.transcribe(audio="./123.wav", language="ja", chunk_length=5, condition_on_previous_text=False, hotwords="ノイミー")  

    for segment in segments:  
        print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))  

转换详情

原始模型通过以下命令转换：

ct2-transformers-converter --model kotoba-tech/kotoba-whisper-v2.2 --output_dir kotoba-whisper-v2.2-faster --copy_files tokenizer.json preprocessor_config.json --quantization float32  

注意模型权重以FP32格式保存。加载模型时可通过CTranslate2的compute_type选项更改此类型。

更多信息

有关kotoba-whisper-v2.0的更多信息，请参考原始模型卡片。