GLM-5.2 is live. #1 throughput on OpenRouter, pay-per-token on FriendliAI. Try it today ➜
Yvthyvq
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
Yvthyvq
Model Tree
openai/whisper-base
Input Modalities
Output Modalities
Supported Functionality
本模型係基於 openai/whisper-base 進行微調嘅粵語語音識別（ASR）模型，專門用於將粵語音頻轉換為羅馬字（Liujgoj）。
透過微調，模型學習咗將粵語語音對應到精確嘅羅馬字拼寫，適用於粵語語音轉錄、數據飛輪等場景。
python
from transformers import WhisperProcessor, WhisperForConditionalGenerationimport librosa# 載入模型model = WhisperForConditionalGeneration.from_pretrained("Yvthyvq/Liujgoj-Cantonese-whisper")processor = WhisperProcessor.from_pretrained("Yvthyvq/Liujgoj-Cantonese-whisper")
def transcribe_audio(audio_path): # 載入音頻（16kHz） audio, sr = librosa.load(audio_path, sr=16000)
markdown
# 處理音頻input_features = processor(audio,sampling_rate=sr,return_tensors="pt").input_features# 生成預測predicted_ids = model.generate(input_features)text = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]return text
text = transcribe_audio("your_audio.wav") print(text)
數據量：35,032 條「音頻-羅馬字」配對，共18小時
音頻格式：16kHz 單聲道 WAV
羅馬字系統：Liujgoj（溜歌）
數據來源：粵語電影
項目 數值 基礎模型 openai/whisper-base 訓練框架 Hugging Face Transformers 訓練時長 約 23 分鐘（A800 80GB） Batch Size 4 學習率 1e-5 Epochs 3 優化器 AdamW 精度 bf16
輸入音頻：粵語句子
直接輸出羅馬字：
text Waahsvthair cingjciux ge hongjheij cojninx, Dungjtinj ge mauryanx, makjfungj yvxdou munhdeih bingjsoengj. 在 Gongjnaamxgaauj naamx kaaujganh hoirbin yatj tiux daaihlouh zijsoengh, yauq yatjdeoih cingjbinj, saur zapj doujcoengj, ngakjyv catj gaacaux cej, hoeng yvx bakjfongj haangxganr. cinxbinh gor saamjgaa caux cej aaj, muiqgaaj zauh wan zvr yatj go naamxzir, douj haih svjsangj daarbaanh wo.
對應嘅漢字：
text 話説喺清朝嘅康熙初年，冬天嘅某一日，北風如刀，滿地冰霜啊。 喺江南靠近海邊一條大路之上，有一隊清兵，手執刀槍，押住七架囚車，向住北方行緊。 前便嗰三架囚車啊，每架就韞住一個男子，都係書生打扮。
OpenAI 開發 Whisper 模型
Hugging Face 提供 Transformers 框架
所有粵語數據貢獻者