Det här är extremt intressant. Kan inte någon kompetent person snickra till ett användargränssnitt så man kan testa? Vältränad AI-modell förvandlar tal till text – Kungliga biblioteket – Sveriges nationalbibliotek – kb.se […] - ThreadSky

kallekn.mastodonsweden.se.ap.brid.gy • 16 days ago

Det här är extremt intressant. Kan inte någon kompetent person snickra till ett användargränssnitt så man kan testa?

Vältränad AI-modell förvandlar tal till text – Kungliga biblioteket – Sveriges nationalbibliotek – kb.se […]

Comments

quite.mstdn.social.ap.brid.gy•16 days ago

https://mastodonsweden.se/@kallekn Till att börja med måste nog modellen konverteras till lite andra format.

Python-paketet openai-whisper, som nog används lhär och där (utöver kommandoradsprogrammet), vill ha pytorch checkpoint-format.

På F-Droid finns en fri (och gratis) Android-app som heter whisperIME -- en […]

kallekn.mastodonsweden.se.ap.brid.gy•16 days ago

https://mstdn.social/@quite https://mastodon.social/@pierremesure Fast det här är ju röstigenkänning?

quite.mstdn.social.ap.brid.gy•16 days ago

https://mastodonsweden.se/@kallekn Njae, röstigenkänning handlar om att känna igen *vem* som talar och potentiellt låta en person identifiera sig med rösten, autentisering.

Ej att förväxla med taligenkänning, som vad jag kan se allt i tråden ovan handlar om. Tal till text. Speech-to-text.

kallekn.mastodonsweden.se.ap.brid.gy•16 days ago

https://mstdn.social/@quite Ja, terminologisk förvirring från min sida, jag missuppfattade nog något du skrev innan.

tsvenson.mastodon.online.ap.brid.gy•14 days ago

@kallekn

Såg att https://mastodon.social/@pkz ska lägga till modellen på https://www.textamig.se/

tsvenson.mastodon.online.ap.brid.gy•15 days ago

@kallekn

Väldigt trevligt och kommer bli så användbart 🥰

lysol.mastodon.social.ap.brid.gy•16 days ago

https://mastodonsweden.se/@kallekn Hittar inget om licens. Hade varit kul om fler donerade sin (svenska) röst till Mozillas projekt Common Voice också.

kallekn.mastodonsweden.se.ap.brid.gy•16 days ago

https://mastodon.social/@lysol Det står license: apache-2.0 här

https://huggingface.co/KBLab/kb-whisper-large/blob/main/README.md

Vad är det för slags licens?

lysol.mastodon.social.ap.brid.gy•16 days ago

https://mastodonsweden.se/@kallekn Apache är en öppen licens, så der låter ju lovande. Men tror det är mest för kod (?). I common voice fall är det själva datan som också är öppen (CC0).

troed.masto.sangberg.se.ap.brid.gy•13 days ago

@kallekn Så, nu har jag konverterat den till ggml format. Vilken platform använder du? Alla har någon form av whisper.cpp-klient som därmed kan använda den.

kallekn.mastodonsweden.se.ap.brid.gy•13 days ago

@troed Vad är plattform? Jag har en Mac.

troed.masto.sangberg.se.ap.brid.gy•13 days ago

@kallekn Helt ok platform :D MacWhisper är en bra klient för whisper-modellerna, men KB har inte lagt upp filerna i ett format den förstår.

Tyvärr kör jag inte macOS själv längre så jag vet inte hur du sen får in ggml-filen med KB-whisper i appen, men när du är redo så kan du få en länk till […]

troed.masto.sangberg.se.ap.brid.gy•13 days ago

@kallekn KB jobbar söndagskvällar tydligen - sent igår lade de upp en ggml-fil (sådan som MacWhisper vill ha) så sålänge det förklaras i programmet hur du lägger in en sådan bör du kunna köra det nu :) Filen finns att ladda ner här […]

kallekn.mastodonsweden.se.ap.brid.gy•13 days ago

@troed Spännande! Ska undersöka detta.

troed.masto.sangberg.se.ap.brid.gy•15 days ago

@kallekn CLI är ett bra användargränssnitt :D Det här fungerar rakt av i mina befintliga flöden för att transkribera och sammanfatta podcasts/videos.

ingelanetz.bsky.social•16 days ago

+1!

Posting Rules

Be respectful to others
No spam or self-promotion
Stay on topic
Follow Bluesky's terms of service

Comments

Posting Rules

Reply