Repository navigation
Naujos ausys / New ears
Lietuviškai klauso LT_ausys — Kristijono Jakubsono kmynas v4, perkeltas į ONNX, sukasi procesoriuje. Rusiškai — GigaAM v3 (SberDevices). Angliškai — Whisper large-v3, kaip buvo.
Palyginta tame pačiame kompiuteryje, tais pačiais garsais (visos lentelės):
| Lietuvių | 0.2 LT_ausys | 0.1 Paprika |
|---|---|---|
| autoriaus komandos — žodžių klaidos | 17,9 % | 22,8 % |
| ilgas diktavimas (~45 s) | 10,2 % | 32,4 % |
| komanda procesoriuje | 0,05 s | 3,0 s |
| parsisiųsti | ~1 GB | ~1,9 GB |
| Rusų | 0.2 GigaAM | 0.1 large-v3 |
|---|---|---|
| FLEURS ru — žodžių klaidos | 4,6 % | 3,9 % |
| sakinys procesoriuje | 0,11 s | 7,2 s |
| parsisiųsti | ~0,23 GB | ~3,1 GB |
- Lietuvių ir rusų kalbai vaizdo plokštės nebereikia. CUDA siūloma tik pasirinkus anglų kalbą.
- Skyrybą ir didžiąsias deda pačios ausys — atskiro 1,1 GB skyrybos modelio nebėra (kablelių tikslumas toks pat).
- Ilgas diktavimas karpomas pauzėse, nieko nenumetant; tyla — nieko (netyčia paspaudus Ctrl).
- Mikrofono pasirinkimas dantračio meniu — programa laikosi savo mikrofono, net kai Windows perjungia numatytąjį.
- 123 režimas palieka skyrybą; ABC režimas nebeskaido skaičių skaitmenimis („36" → „три шесть" — buvo klaida).
- Instaliatorius 95 MB (buvo 191), programa diske 341 MB (buvo 791).
Atnaujinant iš 0.1: pirmą kartą paleista programa pasiūlys parsisiųsti naujas ausis. Senieji modeliai (Paprika, skyrybos modelis, large-v3 jei anglų nebesirenki) lieka diske — programa jų netrina; kur jie guli, parašyta README skyriuje „Reikalavimai".
Su winget diek su --interactive — kitaip praleidžiamas kalbų puslapis.
English. Lithuanian is now recognised by LT_ausys (Kristijonas Jakubsonas's kmynas v4, ONNX, on the CPU), Russian by GigaAM v3 (SberDevices); English stays on Whisper large-v3. Lithuanian: 17.9 % vs 22.8 % WER on the author's commands, 10.2 % vs 32.4 % on long dictation, 0.05 s vs 3.0 s per command on the CPU. Russian: 0.11 s vs 7.2 s per sentence on the CPU (WER 4.6 % vs 3.9 %). No graphics card needed for Lithuanian and Russian; the ears punctuate themselves; long recordings are cut at pauses; silence types nothing; microphone choice in the gear menu. Installer 95 MB (was 191). Full tables: docs/palyginimas-0.2.md.
sha256 Diktuokle-0.2-setup.exe: 8af92c6de7d84434a3cd2850d5a6893a7531d07d31f94f4edfa75036ba752022