canary-1b-flash — הדגמה

מה זה

אתם מעלים קובץ קול או מקליטים ישירות מהמיקרופון, ובוחרים שפת מקור ושפת יעד מתוך תפריטי הבחירה. בנוסף אפשר לסמן תיבות בחירה כדי לקבל פיסוק ואותיות גדולות או חותמות זמן לצד הטקסט המעובד. הפלט מוצג כטקסט מתומלל או מתורגם על המסך.

מאחורי הממשק רץ מודל התמלול והתרגום canary-1b-flash של אנבידיה מתוך ספריית NeMo, שנטען ישירות בקוד של המערכת. העיבוד מבוסס על הסקריפטים של NeMo שמחלקים את השמע למקטעים ומריצים פענוח בריבוי משימות, כשברישום המודלים מופיע לצדו גם אזכור לגרסת canary-1b-v2.

מתאים ל

• תמלול מהיר של הקלטות

  מעלים קובץ קול קצר, מסמנים בקשה לפיסוק ומקבלים תמלול טקסטואלי ישירות בחלון הדפדפן.

• תרגום קולי בין שפות

  בוחרים שפת מקור שונה משפת היעד וממירים דיבור משפה אחת לטקסט כתוב בשפה אחרת.

• בדיקת חותמות זמן

  מסמנים את אפשרות יצירת חותמות הזמן כדי לראות את זמני המילים המדויקים על גבי קטע השמע.

איפה זה נופל

אם תלחצו על כפתור ההרצה בלי לבחור או להקליט שמע, תקבלו הודעת שגיאה מובנית שמבקשת לספק קלט תקין. בנוסף, הממשק לא כולל מנגנון לעריכה של התוצאה או להורדה ישירה של קובצי כתוביות מסודרים, אלא רק מציג את הפלט המעובד בתוך תיבת טקסט.

ההדגמה מציגה את יכולות המודל הבסיסיות בלבד ואינה חושפת את כל הפרמטרים שקיימים בסקריפט ההרצה המקורי של אנבידיה. כדאי לבדוק קודם איך המודל מתמודד עם רעשי רקע ואורכי הקלט שמעניינים אתכם, לפני שמניחים שהוא יתאים לסביבת עבודה מלאה.

איך מריצים

לוחצים על רכיב השמע כדי להעלות קובץ או מקליטים בעזרת המיקרופון, בוחרים את השפות וההגדרות של הפיסוק וחותמות הזמן, ולוחצים על כפתור ההרצה כדי לקבל תוצאה. אין צורך להתחבר לשום חשבון או להזין מפתח כדי לנסות אותו בדפדפן.

הקוד משתמש במעטפת שמקצה מאיץ גרפי מסוג zero-a10g לפי דרישה בכל שליחה. המשמעות היא שההרצה עשויה להמתין כמה שניות להתעוררות החומרה ולהקצאת המשאבים לפני שהשמע מעובד, במיוחד בזמני עומס שבהם פניות ממתינות בתור המשותף של השרת.

pip install -U huggingface_hub
hf download nvidia/canary-1b-flash

הקבצים

7 קבצים במאגר, 6.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• canary-1b-flash.nemo3.5 GB
• model.safetensors3.2 GB
• README.md23.9 KB
• .eval_results/open_asr_leaderboard.yaml2.1 KB
• .gitattributes1.6 KB
• config.json863 B
• preprocessor_config.json491 B

הרישיון

הפרויקט מפורסם ברישיון cc-by-4.0. הרישיון מאפשר שימוש חופשי ושיתוף של הקוד והתוצרים כל עוד נותנים קרדיט מתאים ליוצרים, אך הוא אינו מפרט תנאים נפרדים לשמירת קובצי השמע שמועלים לשרת בזמן השימוש בהדגמה.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא בעמוד המודל ↗