En marzo recomendé Whisper Large v3 para dictado por voz y me equivoqué dos veces: en el método (elegí el modelo "táctil") y en el modelo en sí.
Remonté todo científicamente: 23 modelos ASR en más de 60 configuraciones, más de 100.000 ejecuciones en el edificio de TI ruso-inglés, más de 120 horas de inferencia en un RTX 5070 Ti. No solo medí el WER, sino también la preservación de los términos en inglés en letras latinas y puntuación.
En el interior hay una tabla de clasificación completa, un análisis de cada sorpresa, la contribución de ajustes y sugerencias, nube versus apertura por dinero e instrucciones sobre cómo apostar al ganador en 10 minutos.
Leer más
|
@habr_ai