whisper.cpp 1.7.4

6 जानेवारी रोजी, उच्च-कार्यक्षमता स्वयंचलित भाषण ओळख प्रणालीचे 1.7.4 प्रकाशन झाले whisper.cpp, मॉडेलची अंमलबजावणी करणे कर्कश आवाज OpenAI द्वारे, C आणि C++ मध्ये लिहिलेले आणि MIT परवान्याअंतर्गत वितरित केले.

प्रकल्प लेखकाच्या टेन्सर मशीन लर्निंग लायब्ररीचा वापर करतो GGML, C मध्ये लिहिलेले आणि विविध बॅकएंड (CUDA, Vulkan, BLAS, SYCL, OpenCL, इ.) वापरण्यासाठी ऑप्टिमाइझ केलेले.

स्पिस्कोक इझ्मिनेनी:

• एक्झिक्युटेबल फाइल्सचे नाव बदलणे:

मुख्य -> ​​व्हिस्पर-क्ली बेंच -> व्हिस्पर-बेंच स्ट्रीम -> व्हिस्पर-स्ट्रीम कमांड -> व्हिस्पर-कमांड सर्व्हर -> व्हिस्पर-सर्व्हर टॉक-लामा -> व्हिस्पर-टॉक-लामा

• काढलेली उदाहरणे talk and talk.wasm.
• व्हिस्पर-सर्व्हरमध्ये नॉन-स्पीच टोकन्स दाबण्याचा पर्याय जोडला गेला आहे.
• suppress_non_speech_tokens पॅरामीटरचे नामकरण suppress_nst असे केले आहे.
• ट्रान्सक्रिप्शन दरम्यान सेगमेंट स्तरावर स्पीच अनुपस्थितीची संभाव्यता सेट करण्यासाठी API आणि युटिलिटीमध्ये no_speech_thold पर्याय जोडला गेला आहे.
• whisper-cli मध्ये -suppress_nst पर्याय जोडला.
• इतर सुधारणा आणि दोष निराकरणे.

स्त्रोत: linux.org.ru