--- license: apache-2.0 language: - it - en metrics: - wer pipeline_tag: automatic-speech-recognition tags: - audio - automatic-speech-recognition - hf-asr-leaderboard library_name: ctranslate2 --- # Litus whisper-small-ita for CTranslate2 La repo contiene la conversione di [litus-ai/whisper-small-ita](https://huggingface.co/litus-ai/whisper-small-ita/) al formato di [CTranslate2](https://github.com/OpenNMT/CTranslate2). Questo modello può essere usato su CTranslate2 o su progetti affini tipo:[faster-whisper](https://github.com/systran/faster-whisper). # Descrizione del Modello Questo modello è una versione di [openai/whisper-small](https://huggingface.co/openai/whisper-small) ottimizzata per la lingua italiana, addestrata utilizzando una parte dei dati proprietari di [Litus AI](https://litus.ai/it/). `litus-ai/whisper-small-ita` rappresenta un ottimo compromesso value/cost ed è ottimale per contesti in cui il budget computazionale è limitato, ma è comunque necessaria una trascrizione accurata del parlato. # Particolarità del Modello La peculiarità principale del modello è l'integrazione di token speciali che arricchiscono la trascrizione con meta-informazioni: - Elementi paralinguistici: `[LAUGH]`, `[MHMH]`, `[SIGH]`, `[UHM]` - Qualità audio: `[NOISE]`, `[UNINT]` (non intelligibile) - Caratteristiche del parlato: `[AUTOCOR]` (autocorrezioni), `[L-EN]` (code-switching inglese) Questi token consentono una trascrizione più ricca che cattura non solo il contenuto verbale ma anche elementi contestuali rilevanti. # Evaluation Nel seguente grafico puoi trovare l'Accuracy di `openai/whisper-small`, `openai/whisper-medium`, `litus-ai/whisper-small-ita` e il modello proprietario di Litus AI, `litus-proprietary`, su benchmark proprietari per meeting e chiamate vocali in lingua italiana.
Litus AI eval
# Come usare il modello Puoi utlizzare devilteo911/whisper-small-ita-ct2 tramite faster-whisper: ```python from faster_whisper import WhisperModel model = WhisperModel("devilteo911/whisper-small-ita-ct2") segments, info = model.transcribe("audio.mp3") for segment in segments: print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text)) ``` ## Dettagli sulla conversione Il modello originale è stato convertito usando questo comando: ``` ct2-transformers-converter --model litus-ai/whisper-small-ita --output_dir whisper-small-ita-ct2 \ --copy_files tokenizer_config.json preprocessor_config.json vocab.json normalizer.json merges.txt \ added_tokens.json generation_config.json special_tokens_map.json --quantization float16 ``` Nota che i pesi del modello sono salvati in FP16. Questo tipo può essere cambiato al momento del caricamento del modello usando il parametro [`compute_type` option in CTranslate2](https://opennmt.net/CTranslate2/quantization.html). # Conclusions Per qualsiasi informazione sull'architettura sui dati utilizzati per il pretraining e l'intended use ti preghiamo di rivolgerti al [Paper](https://arxiv.org/abs/2212.04356), la [Model Card](https://huggingface.co/openai/whisper-small) e la [Repository](https://github.com/openai/whisper) originali.