wav2vec2-large-xlsr-korean

מה זה

מדובר במודל זיהוי דיבור של כ־317 מיליון פרמטרים, שנבנה על בסיס XLSR ועבר אימון ייעודי לקוריאנית. הוא לא מודל שפה ולא מייצר טקסט חופשי, אלא מקבל אודיו ופולט אותיות בעזרת ארכיטקטורת CTC ישירה. הגודל שלו נשאר קומפקטי יחסית לתחום, ולכן קל לשלב אותו בצינור עיבוד קיים דרך ספריית transformers הרגילה.

במבחן Zeroth-Korean המודל מציג שיעור שגיאות מילים של 4.74% ושיעור שגיאות תווים של 1.78%. בקוריאנית מדד התווים קריטי בגלל מבנה ההברות, וזה מראה שהמודל מפענח נכון את רוב הפונמות הבסיסיות בהקלטות נקיות.

מתאים ל

• תמלול שיחות בקוריאנית

  זיהוי קולי מדויק בהקלטות קוריאנית נקיות בזכות שיעור שגיאות תווים נמוך של 1.78 אחוזים.

• הטמעה בשרתים מקומיים

  משקל של 4.7 גיגה מאפשר להריץ אותו ישירות על חומרה עצמאית בלי תלות בשירותי ענן יקרים.

• חילוץ פקודות קוליות

  ארכיטקטורת CTC מייצרת תגובה מהירה שמתאימה לקליטת פקודות בדיבור בלי השהיות כבדות.

איפה זה נופל

המודל יודע רק קוריאנית. אין לו שום תמיכה בעברית או באנגלית מעורבבת, כך שכל מונח טכני בלועזי עלול להתחרבש לגמרי. בנוסף, מדדי הדיוק המרשימים נבדקו על קורפוס ספציפי ונקי, והכרטיס לא מפרט איך הוא מתמודד עם רעשי רקע, מבטאים שונים או דיבור יומיומי קטוע. אסור להכניס אותו ישירות למוצר בלי לבדוק קודם איך הוא מגיב להקלטות אמיתיות מהשטח.

איך מריצים

כדי להריץ אותו צריך בסך הכול מעבד גרפי צנוע. קובצי המודל שוקלים 4.7 גיגה בייט בדיוק של float32, כך שכרטיס מסך פשוט עם 6 עד 8 גיגה זיכרון יספיק לתמלול שוטף, ואפשר גם להמיר אותו לחצי דיוק כדי לחסוך מקום.

ההרצה נעשית ישירות דרך פייתון, ואין כאן גרסאות שונות לבחור ביניהן. אם אתם צריכים לתמלל כמויות קטנות מדי פעם, עדיף להשתמש ב־API מוכן ולא לתחזק שרת, אבל למערכת מקומית או לעיבוד שדורש פרטיות, הריצה העצמית פשוטה מאוד.

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition", model="kresnik/wav2vec2-large-xlsr-korean")
print(pipe("שלום"))

הקבצים

15 קבצים במאגר, 4.7 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• optimizer.pt2.5 GB
• pytorch_model.bin1.3 GB
• model.safetensors1.3 GB
• trainer_state.json511.6 KB
• vocab.json18.2 KB
• rng_state.pth14.5 KB
• training_args.bin2.9 KB
• config.json2.3 KB
• README.md1.9 KB
• .gitattributes1.2 KB
• scheduler.pt623 B
• scaler.pt559 B
• preprocessor_config.json214 B
• tokenizer_config.json161 B
• special_tokens_map.config85 B

הרישיון

רישיון apache-2.0 מאפשר שימוש מסחרי מלא, שינוי של הקוד והפצה חופשית בתוך המוצר שלכם. התנאי היחיד הוא שמירת הודעת זכויות היוצרים והרישיון המקורי, בלי אחריות משפטית מצד היוצר.

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

הרישיון המלא בעמוד המודל ↗