faster-whisper optimizează ponderile modelului prin cuantizare INT8 și execuție nativă în C++:
from faster_whisper import WhisperModel
model = WhisperModel("large-v3", device="cuda", compute_type="float16")
segmente, info = model.transcribe("inregistrare_utilizator.wav", beam_size=1, language="ro")
for segment in segmente:
print(f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}")
Procesează 1 secundă de vorbire în mai puțin de 50 de milisecunde pe un GPU NVIDIA modern.
Întrebări & Exemple practice:
Faster-Whisper cu CTranslate2: Transcriere de 4x mai RapidăAi o întrebare despre Faster-Whisper cu CTranslate2: Transcriere de 4x mai Rapidă sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.