What's Changed only merge when clip_timestamps aren't provided by @MahmoudAshraf97 in #1345 修正: @mmichelli in #1338 の BatchedInferencePipeline での <生じないキャプチャを入力する> トークンを防止 @MahmoudAshraf97 in #1383 の @MahmoudAshraf97 の @MahmoudAshraf97 の hf ハブへの再試行ロジックをオフロードする #1376 の @mmichelli in #1338 の Silero-VAD V6 にアップグレードする #1382 の @MahmoudAshraf97 の #1376 の Batched inference での クリップタイムスタンプの改定
What's Changed feat: @felixmosh in #1292 specific revision to download をパスする許可する #1311 の @MahmoudAshraf97 の #1311 の @mahmoudashraf97 の #1392 の #1311 の #1311 の #1311 の #1311 の #1311 の @mahmoudashraf97 の #1397 の #1396 の #1336 の #1336 の #1336 の #Mahmoudashraf97 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1336 の #1396 の #1396 の #1396 の #
What's Changed @Purfview in #1181 で元の VAD パラメータを呼び戻します。 #1181 で バッチされた suppress_tokens 動作を @Purfview で #1194 で連続するようにします。 OOM エラーを修正します。 - VAD で RAM の使用量が過剰です。 #198 で @Purfview で @greenw0lf で BatchedInferencePipeline に音声の持続時間を追加し、 VAD で削除された持続時間を修正します。 #1186 で @greenw0lf で @Purfview で neg_threshold を修正します。 #191 で @Purfview で @greenw0lf が作成しました。
新しい機能 4倍高速で正確な新しいバッチデファレンス、使用説明書で README を参照してください。新しい大型V3ターボモデルをサポートしますVADフィルターは CPUで3倍速く動いています機能抽出が3倍速くなりましたWhisperModel.transcribe にログ_プログレスを追加して 転写の進行を印刷する。多言語オーディオを書き換えるための多言語オプションをトランスクリプションに追加。注目してください。..
Silero-vadモデルを最新のV5バージョン (#884) にアップグレード Silero-vad V5リリース: https://github.com/snakers4/silero-vad/releases/tag/v5.0 window_size_samplesパラメータは512で固定されています。既存の h と c 変数ではなく状態変数を使うように変更します。内部ロジックが少し変更され、現在、いくつかの文脈 (前の部分の一部) が現在の部分とともに渡されます。サイズを変えろ。..
Distil-large-v3 (#755) のサポートを追加 最新の Distil-Whisper モデルである Distil-large-v3 は、本質的に OpenAI 配列アルゴリズムで動作するように設計されています。ベンチマーク (#773) は、メモリ、ワードエラーレート (WER),およびFaster-whisperの速度を測定する機能を導入する。もっとささやきモデル args (#807) を初期化するサポート 小さいバグ修正: 音声が空いている場合コードが壊れる (#768)
バグ修正と性能改善: 暗号化前の機能からセグメントを取得するためのロジック更新 (#705) hallucination_silence_threshold (#706) のウィンドウエンドヘウリスティックを修正
壊れたタグを修正 v0.10.0
"大v3"モデルをサポートする feature_size/num_mels を読み込み、preprocessor_config.json から他の言語を読み込みます。 キャンタンス語 (yue) の新しい言語トークンを更新 CTranslate2 最新バージョン 3.22.0 最新バージョン 0.15 Systran 組織からモデルを取得するためにハブを変更します。
Whisperモデルを大規模に偽標識化することで知識の堅牢な蒸留をサポートする。詳細については: https://github.com/huggingface/distil-whisper CUDA 12 (#694) をサポートするために ctranslate2 バージョンを 4.0 にアップグレードする PyAV バージョンを 11* にアップグレードする Python3.12.x (#679) をサポートするために 小さなバグの修正 非論理的 "no_speech でより高い温度を計算するのを避ける" (#652) 壊れたプロム。..