Whisper-small fine-tuné pour transcrire des passes de jib de câble (wakeboard / wakeskate), utilisé par l'outil de jugement vocal de WakeRef (/judge/voix, mode dictée libre). Exporté en ONNX pour tourner en local dans le navigateur via Transformers.js.

Particularité

Contrairement au modèle tricks (whisper-wakeref-onnx, qui reconnaît un trick isolé), ce modèle transcrit une passe entière — une séquence compositionnelle d'atomes : structure (entrée, transfert, out), approche (HS/TS/fakie), rotation par pas de 90° (180, 270, 450…), slide (boardslide, backlip, nose press), grab et trick nommé.

Étant séquence-à-séquence, il généralise à des combinaisons jamais vues dès lors que chaque atome a été entendu dans des contextes variés — on n'énumère donc pas les combinaisons. La cible d'entraînement est la forme normalisée voulue à l'écran (ex. ollie backlip to boardslide 270 out) ; un composeur applicatif (normalizeJib) reste branché en filet.

Données & entraînement

Passes audio dictées et corrigées via le mode dictée libre (jib) de WakeRef.
Cible = texte complet corrigé de la passe (colonne transcription).
Base : openai/whisper-small · langue fr · tâche transcribe · generation_max_length=128.

Limites

Mono-locuteur : adapté à la voix de l'auteur. Pour d'autres juges, ré-entraîner avec davantage de locuteurs.
Domaine fermé au jib de câble WakeRef ; hors de ce domaine, non pertinent.
Mélange français / jargon anglais propre au wake.

Fichiers

ONNX au format Transformers.js, sous onnx/ : encoder_model.onnx / decoder_model_merged.onnx (fp32, utilisés sur WebGPU) + variantes *_quantized.onnx (q8, repli WASM). Configs et tokenizer à la racine.

Note : d'anciens fichiers *_fp16.onnx issus d'essais de quantization peuvent traîner dans le repo — ils sont cassés (bug de conversion Whisper) et non utilisés par l'app ; à supprimer.

Utilisation (Transformers.js)

import { pipeline } from '@huggingface/transformers';

const transcriber = await pipeline(
  'automatic-speech-recognition',
  'almorelle/whisper-wakeref-jib-onnx',
  { dtype: { encoder_model: 'fp32', decoder_model_merged: 'fp32' } }
);
const { text } = await transcriber(audioFloat32_16kHz, { language: 'french', task: 'transcribe' });