Views
No views yet
後継版があります: Zoom等の圧縮された実会議音声への頑健性のためベースをwhisper-large-v3-turboに交代し、専門用語recallを54.1%→75.1%に高めた jp-jitsumu-whisper-turbo-lora を公開しました。新規利用はturbo版を推奨します。
1pip install 'mlx-tune[audio]'
2hf download tokimoa/jp-jitsumu-whisper-lora --local-dir jitsumu-asr1from mlx_tune import FastSTTModel
2
3model, _ = FastSTTModel.from_pretrained("kotoba-tech/kotoba-whisper-v2.0")
4model.load_adapter("jitsumu-asr/adapter")
5print(model.transcribe("meeting.wav", language="ja"))| 音声内容 | ベース | 本アダプタ |
|---|---|---|
| 委任状でトラブルが発生したため、原因を調査中です。 | 因縁上でトラブルが… | 委任状でトラブルが… |
| 帯域幅の逼迫の取り扱いを確認してください。 | 体域幅のひっ迫の… | 帯域幅の逼迫の… |
| 繰越欠損金を前提に、スケジュールを引き直します。 | くりこし欠損金を… | 繰越欠損金を… |
| モデル | 専門用語 表記recall | CER |
|---|---|---|
| kotoba-whisper-v2.0（ベース） | 28.3% | 14.3% |
| whisper-large-v3（蒸留元） | 37.3% | 9.2% |
| 本アダプタ | 54.1% | 5.4% |