speecht5-asr-demo

מה זה

אתם מעלים קובץ שמע או מקליטים ישירות דרך המיקרופון, ומקבלים תמלול טקסטואלי. הממשק מכיל גם ארבע דוגמאות מובנות של קבצי קול קצרים, כמו משפטים באנגלית או קטעי דיבור היסטוריים, כדי שאפשר יהיה לבדוק את הפלט בלחיצה אחת.

מאחורי הקלעים רץ הקוד של transformers שמשתמש במודלים ajyy/SpeechT5 או microsoft/speecht5_asr, יחד עם SpeechT5Processor ועיבוד מקדים של librosa ו־torch. המודל שייך למשפחת SpeechT5, שנועדה להתמודד עם משימות דיבור וטקסט, וכאן הוא מוגדר ספציפית לתמלול קול לטקסט.

מתאים ל

• בדיקת תמלול באנגלית

  הרצת קטעי קול קצרים לבחינת דיוק הפלט של המודל באנגלית.

• התנסות בדוגמאות מובנות

  בדיקת זיהוי דיבור על קבצי דוגמה ללא צורך בהקלטה עצמית.

• הערכת ביצועי מודל

  בחינת יכולות ארכיטקטורת SpeechT5 לפני הטמעה בפרויקט קוד.

איפה זה נופל

כרגע העמוד מדווח על שגיאת ריצה (RUNTIME_ERROR), מה שאומר שההדגמה לא פעילה בפועל בדפדפן עד שיתקנו אותה. בנוסף, חומרת ה־CPU הבסיסית לא מיועדת לקבצים ארוכים, והממשק בנוי לבדיקת קטעים קצרים בלבד ולא לתמלול שיחות מלאות.

איך משתמשים

לוחצים על כפתור ההקלטה או גוררים קובץ לחלון ההעלאה, ולוחצים על שליחה. האפליקציה רצה על חומרת cpu-basic בסיסית, כך שפענוח עלול לקחת כמה שניות טובות לכל קטע, בלי תאוצת מעבד גרפי. אין צורך בהרשמה או התחברות כדי לגשת לעמוד.

הרישיון

הקוד מפורסם תחת רישיון apache-2.0, שמאפשר שימוש חופשי, שינוי והפצה, כולל לצרכים מסחריים. לגבי קבצי הקול שמעלים, הממשק רץ בשרתי הדגמה ציבוריים ולכן לא מומלץ להעלות לשם הקלטות פרטיות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗