GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
morlayecis0003
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
morlayecis0003
Model Tree
openai/whisper-small
Input Modalities
Output Modalities
Supported Functionality
python
from transformers import WhisperProcessor, WhisperForConditionalGenerationfrom peft import PeftModelimport librosa processor = WhisperProcessor.from_pretrained("openai/whisper-small")base = WhisperForConditionalGeneration.from_pretrained("openai/whisper-small")model = PeftModel.from_pretrained(base, "REMPLACER_PAR_VOTRE_REPO").eval() y, _ = librosa.load("audio.wav", sr=16000)feats = processor(y, sampling_rate=16000, return_tensors="pt").input_featuresids = model.generate(feats, language="ha", task="transcribe", max_new_tokens=128)print(processor.batch_decode(ids, skip_special_tokens=True)[0])Le token de langue ha est requis : il a été retenu empiriquement parmi
11 configurations testées, le pulaar n'ayant pas de token dédié.
28,4 h de parole pulaar après nettoyage (3 643 fichiers WAV vides écartés, déduplication entre sous-corpus, splits construits sans fuite de locuteur ni de transcription).
Environ 10 locuteurs distincts dans le corpus d'entraînement. La généralisation à des voix nouvelles est mesurée séparément.
| Jeu de test | WER baseline | WER LoRA | CER baseline | CER LoRA |
|---|---|---|---|---|
| Voix connues (n=1108) | 1,098 | 0,531 | 0,662 | 0,242 |
| Voix inconnues (n=826) | 1,362 | 0,786 | 0,975 | 0,436 |
Par durée d'énoncé (voix connues) : WER 0,45 sur 5-15 s, 0,49 sur 15-30 s, 0,65 sur 1-5 s. Les fragments de moins d'une seconde restent mal traités (WER 1,37), Whisper opérant sur des fenêtres de 30 secondes.