Коллеги, кто нибудь openai whisper локально устанавливал, юзал?

19 ответов

50 просмотров

Да, а что?

Артём-Жуков Автор вопроса
datascience xc
Да, а что?

как себя ведет с русским и на сколько быстро работает?

Артём Жуков
как себя ведет с русским и на сколько быстро работ...

Ну мелкие русский ужасно распознают. Дообучал whisper medium и становилось сносно

Коллеги, а чем VOSK не устраивает для транскрибации?

Артём-Жуков Автор вопроса
Roma Romashkin
Коллеги, а чем VOSK не устраивает для транскрибаци...

есть тут одна задачка по распознаванию аудиокапчи, и там быстро проговариваются символы и цифры, vosk не справляется

Артём Жуков
есть тут одна задачка по распознаванию аудиокапчи,...

Я как-то проводил тест проприетарных решений (3 года назад), от azure был самый качественный результат, около 90%

Артём Жуков
есть тут одна задачка по распознаванию аудиокапчи,...

Думаю, действительно есть резон дотюнить именно на образцах капчи, раз под нее.

Артём Жуков
как себя ведет с русским и на сколько быстро работ...

Из коробки работает large нормально. Но мы тоже модель поменьше дообучаем на своих данных. С ним проблема в зацикливаниях фраз. До конца с ней не разобрались

Владимир Кочетков
Из коробки работает large нормально. Но мы тоже мо...

Беда трансформеров. Вероятно это даже можно отловить постобработкой через иф елсе и регекспы и вырезать из результата как то

Господь благословил левый паддинг и repetition penalty. У меня они сняли порядка 90% кейсов с зацикливанием. Остались бесючие кейсы с "silence", когда тишину начинает распознавать зацикленным текстом, и когда вдохи/выдохи с присвистом распознаёт как "you"

V Youma
Господь благословил левый паддинг и repetition pen...

Господь благословил левый паддинг и repetition penalty. просто пустую тишину? какой длительности? Остались бесючие кейсы с "silence", когда тишину начинает распознавать зацикленным текстом тут вроде как раз через VAD можно тишину уменьшить до определенного предела. и это помгает и когда вдохи/выдохи с присвистом распознаёт как "you" то же через VAD найти участки с речью. и может отфильтровать как раз эти вдохи

Aigiz K
Господь благословил левый паддинг и repetition pen...

VAD - это слишком дорого и медленно. Для разовой акции пойдёт, а для 20000 часов аудио в сутки это сразу +35-40% костов на вычислительные мощности

Для такой нагрузки может есть смысл искать другие модели? Или там у вас мультиланг У меня вав2век быстрее намного. Для больших его использую. Но у меня явно не такие объемы

Aigiz K
Для такой нагрузки может есть смысл искать другие...

По производительности w2v действительно выигрывает при сопоставимом количестве параметров, но выигрыш этот нивелируется за счёт необходимости использовать т5-small в качестве sentence separator'a и punctuator'a. Когда соберётся достаточное количество чистых данных, попробую обучить w2v сразу с пунктуацией, как это сделано в MMS-1b

V Youma
VAD - это слишком дорого и медленно. Для разовой а...

Это что у вас за vad такой прожорливый, позвольте полюбопытствовать?

vpodgorsky
Это что у вас за vad такой прожорливый, позвольте ...

Да все, что пробовал. По своей сути они представляли небольшие модельки, которым нужно было скармливать аудио, порезанное на мелкие куски, после чего модельки с некоторой уверенностью говорили, есть в конкретном куске аудио голос, либо нет. Подобный инференс занимал много времени, и единственный способ его ускорить было распараллеливание, что в свою очередь отжирало ресурсы. В итоге я плюнул и реализовал топорный метод: -перевожу данные аудиосигнала в относительную амплитуду -куски, где амплитуда не поднимается выше -28 Дб, вырезаю -оставшееся отправляю в ASR на распознавание. На моих данных (звонки-разговоры) работает быстро и практически безотказно. Рехается только на кейсах, когда шум на записи по уровню громкости сопоставим с голосом говорящего (например, человек звонит из вагона метро). Ну и бывает, проскакивает фрагмент с резким звуком (например, человек дёрнул микрофон или клацнул рядом с ним)

Похожие вопросы

Обсуждают сегодня

Привет, такой вопросик появился кажется ли вам что Rust слишком сложный/строгий для высокоуровневого программирования и слишком "безопасный"/строгий для низкоуровневого?
Крокант
10
А какие существуют способы обработки ошибок выделения памяти в ядре? Т.е., допустим, есть функция, которая возвращает адрес свободной страницы в физической памяти и диапазон в...
disba1ancer
51
Всем привет. Хотел бы написать для себя свою ос. Причины: 1) нужен опыт в чем-то 2) будет меньше весить 3) свое, но там будут свои задумки Я понимаю что нужно писать для всег...
Shadow Akira
18
Всем привет! Скажите, никто не пытался уменьшить размер процесса ssl, которые ассоциируется с открытым соединением (не помню точное название этого процесса, но там была какая-...
Алексей
20
5? да там все 10
Boris Vinogradov
12
Через бот апи возможно получить ID стикерпака? Не ссылку.
Vexylon [АФК до 09.09]
5
Why would I rent an account if it’s not mine?
Snr Engineer
3
У меня вопрос: для разработки современных (не учебных) ОС, лучше использовать уже имеющиеся архитектурные решения или нужно будет разрабатывать что-то принципиально новое?
Alexander
5
Всем привет. Запускаю snmp_server вызовом snmp:start() и получаю вот это: {bad_return, {{snmp_app,start,[normal,[]]}, {'EXIT', {{badmatch, {error, {{shutdown, {failed_to_sta...
Δημήτηρ
9
@berkus @diaevd как бы вы сделали dependency injection но без шаблонов?
Boris Vinogradov
5
Карта сайта