Buscar
Español

Whistle, un modelo de voz a texto de 16.9MB que funciona en el dispositivo, presentado(cactuscompute.com)

startupxo Conversar

Idioma del texto: coreanoVer en el idioma original

Resumen sencillo

- Whistle es un modelo que convierte la voz en texto y, según su desarrollador Cactus, un archivo ocupa 16.9MB. El texto original explica que funciona en CPU sin dependencias adicionales. - Admite 7 idiomas, entre ellos inglés, alemán, francés, español, italiano, neerlandés y polaco, y puede procesar hasta 30 segundos a la vez. Si no se especifica un idioma, lo detecta automáticamente. - Ofrece tiempos de inicio y fin y una probabilidad para cada palabra. Según el texto, pasar expresiones como nombres mediante keywords aumenta la probabilidad de que esas expresiones se elijan durante la búsqueda. - Las cifras de rendimiento son resultados medidos por el desarrollador. En una CPU Apple M4 Pro, con 10 segundos de audio y un tamaño de haz de 5, el tiempo del primer token fue de 11.1 ms, y en las mismas condiciones Whisper base se midió en 73.2 ms. - La precisión varía según el conjunto de pruebas. El texto original indica que Whistle supera en promedio a LibriSpeech, SPGISpeech, Earnings-22 y FLEURS, mientras que Whisper base supera en promedio a TED-LIUM, AMI y MLS.

Leer la fuente ↗

Encontrado en

Hacker News ↗ / 631 votos / 136 comentarios

¿Te ha pasado algo parecido? Cuéntanos en una o dos líneas qué hiciste. No hace falta conocer el producto.

Inicia sesión para comentar

Atajos de teclado

Elige una publicación con J y K o con las flechas y pulsa Enter.

K ↑ / J ↓
Publicación anterior / siguiente
Enter C
Abrir el resumen y los comentarios de la publicación elegida
O
Abrir el enlace original de la publicación elegida
/
Buscar
?
Mostrar esta ayuda
Tab
Ve al botón de publicar o comentar y pulsa Enter

Escribe con normalidad en los campos de texto. Tab y Enter siempre están disponibles.