Коллеги, всем привет ) какие модели хороши сейчас для транскрибации аудио?

whisper - умеет сразу знаки препинания ставить, но может галлюцинировать wav2vec умеет вплоть до символа предсказать время, но без lm wer высокий получается, но зато быстро работает vosk маленький,шустрый. не давно еще и новую версию выпустили. вот тут в чате как раз можете уточнить https://t.me/speech_recognition_ru

0

9 месяцев назад

Anatoly Belov Автор вопроса

Rinat Abdullin
Вроде whisper из коробки и wav2vec, если тюнить по...

увидел, спасибо )

0

9 месяцев назад

Anatoly Belov Автор вопроса

Aigiz K
whisper - умеет сразу знаки препинания ставить, но...

увидел, спасибо )

0

9 месяцев назад

Алексей Нарижняк

Исходя из https://alphacephei.com/nsh/2023/01/22/russian-models.html И личного опыта могу посоветовать эти модели: https://huggingface.co/nvidia/stt_ru_conformer_transducer_large https://huggingface.co/nvidia/stt_ru_conformer_ctc_large В первой есть встроенная языковая модель, которая обучается править ошибки акустической. Вторая - просто акустическая модель. Что у той, что у другой есть свои плюсы и минусы, но на русском я ничего лучше не нашёл

0

9 месяцев назад

Anatoly Belov Автор вопроса

Алексей Нарижняк
Исходя из https://alphacephei.com/nsh/2023/01/22/r...

увидел, спасибо )

0

9 месяцев назад

Aigiz K

Алексей Нарижняк
Исходя из https://alphacephei.com/nsh/2023/01/22/r...

а со скоростью как?

0

9 месяцев назад

Алексей Нарижняк

Aigiz K
а со скоростью как?

Датасет с аудио на 10к часов размечал около часа на цпу. Но если аудио длинные (более 25 сек), то скорость экспоненциально падает. В принципе, можно этого избежать, выключив слой внимания, но тогда ухудшается качество.

0

9 месяцев назад

Rinat Abdullin · Accepted Answer

Rinat Abdullin

Вроде whisper из коробки и wav2vec, если тюнить под другой язык

0

9 месяцев назад

170 похожих чатов

Коллеги, всем привет ) какие модели хороши сейчас для транскрибации аудио?

10 ответов

Похожие вопросы