懂AI
distil-large-v3

distil-large-v3

经过蒸馏的快速轻量级语音识别模型

distil-large-v3是一个经过知识蒸馏的语音识别模型,模型大小比Whisper large-v3减少44%,推理速度提升6.3倍,同时保持相近的识别准确率。支持短语音和长语音转录,兼容多种主流语音识别框架,为用户提供快速、轻量且准确的语音识别功能。

模型压缩transformersHuggingface模型语音识别Github开源项目自然语言处理Distil-Whisper
访问官网GitHubHugging Face论文文档

distil-large-v3项目介绍

distil-large-v3是Distil-Whisper系列的第三代和最终版本。这是一个知识蒸馏后的模型,基于OpenAI的Whisper large-v3模型开发而来。相比之前的Distil-Whisper模型,distil-large-v3在长音频转录方面有了显著的改进。

主要特点

  • 优秀的长音频转录性能: 使用OpenAI的顺序长音频算法,distil-large-v3的词错率(WER)与原始large-v3模型仅相差1%。

  • 显著提升的速度: 比large-v3快6.3倍,比distil-large-v2快1.1倍。

  • 参数量减少: 仅使用756M参数,而large-v3有1550M参数。

  • 多种推理方式: 支持短音频、顺序长音频和分块长音频三种推理模式。

  • 兼容性强: 设计上兼容最流行的Whisper库,如Whisper cpp、Faster-Whisper等。

使用方法

distil-large-v3可以通过Hugging Face Transformers库轻松使用。主要支持以下几种使用方式:

  1. 短音频转录: 适用于30秒以内的音频,使用pipeline可以快速实现。

  2. 顺序长音频转录: 针对长音频优化,使用滑动窗口进行推理,准确度高但速度较慢。

  3. 分块长音频转录: 对长音频进行分块处理,速度最快但准确度稍低。

  4. 推测性解码: 可作为Whisper large-v3的辅助模型,在保证相同输出的同时将速度提高2倍。

性能优化

distil-large-v3还支持多种优化方法来进一步提升速度和减少内存使用:

  • Flash Attention 2: 针对注意力机制的优化,需要安装额外的包。

  • PyTorch SDPA: 在较新版本的PyTorch中默认启用的优化方法。

  • 4位和8位推理: 即将推出的量化推理方法。

库集成

distil-large-v3可以与多个流行的语音识别库集成使用:

  • Whisper.cpp: 在Mac M1上的测试中,distil-large-v3比large-v3快5倍以上。

  • Faster-Whisper: 基于CTranslate2的快速推理引擎。

  • OpenAI Whisper: 可以直接使用原始Whisper格式的模型。

总的来说,distil-large-v3在保持高准确度的同时大幅提升了推理速度,是一个非常实用的语音识别模型。它提供了多种使用方式和优化选项,可以灵活应对不同的应用场景。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多