库名称：transformers
许可证：apache-2.0
语言：

• 泰语
  任务标签：自动语音识别

Monsoon-Whisper-Medium-Gigaspeech2

Monsoon-Whisper-Medium-GigaSpeech2 是一款🇹🇭泰语自动语音识别（ASR）模型。它基于Whisper-Medium并在GigaSpeech2数据集上进行了微调。

最初作为研究ASR任务中涌现能力的规模实验而开发。该模型在真实场景中表现优异，包括来自YouTube的音频和嘈杂环境下的语音识别。

更多细节请参阅我们的Typhoon-Audio发布博客。

模型描述

• 模型类型：Whisper Medium
• 要求：transformers 4.38.0或更高版本
• 主要语言：泰语🇹🇭
• 许可证：Apache 2.0

使用示例

from transformers import WhisperProcessor, WhisperForConditionalGeneration  
import torchaudio  
import torch  

model_path = "scb10x/monsoon-whisper-medium-gigaspeech2"  
device = "cuda"  
filepath = 'audio.wav'  

processor = WhisperProcessor.from_pretrained(model_path)  
model = WhisperForConditionalGeneration.from_pretrained(  
    model_path, torch_dtype=torch.bfloat16  
)  
model.to(device)  
model.eval()  

model.config.forced_decoder_ids = processor.get_decoder_prompt_ids(  
    language="th", task="transcribe"  
)  
array, sr = torchaudio.load(filepath)  
input_features = (  
    processor(array, sampling_rate=sr, return_tensors="pt")  
    .to(device)  
    .to(torch.bfloat16)  
    .input_features  
)  
predicted_ids = model.generate(input_features)  
transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)  
print(transcription)  

评估结果

预期用途与限制

本模型为实验性质，可能无法保证完全准确。开发者需根据具体应用场景谨慎评估潜在风险。

关注与支持

• https://twitter.com/opentyphoon
• https://discord.gg/us5gAYmrxw

Typhoon团队

Kunat Pipatanakul、Potsawee Manakul、Sittipong Sripaisarnmongkol、Natapong Nitarach、Warit Sirichotedumrong、Adisai Na-Thalang、Phatrasek Jirabovonvisut、Parinthapat Pengpun、
Krisanapong Jirayoot、Pathomporn Chokchainant、Kasima Tharnpipitchai