GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
onsdevops
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
onsdevops
Model Tree
openai/whisper-medium
Input Modalities
Output Modalities
Supported Functionality
Áudio operativo é um caso difícil para ASR de propósito geral: canal estreito e ruidoso, sobreposição de fala, jargão técnico denso (equipamentos, instalações, manobras) e protocolo de comunicação próprio. Um modelo generalista erra justamente nos termos que importam para o registro operativo.
O ajuste corrige isso no vocabulário e no estilo de fala do domínio.
python
from transformers import pipelineasr = pipeline("automatic-speech-recognition",model="onsdevops/tiago-transcricao",return_timestamps=True,chunk_length_s=30,)resultado = asr("audio.wav", generate_kwargs={"language": "portuguese", "task": "transcribe"})print(resultado["text"])
O repositório é autocontido: traz os pesos, as configurações e os arquivos de tokenizer,
então from_pretrained funciona sem depender do modelo base.
A subpasta segmentation/ traz o modelo de segmentação de falantes (PyanNet) ajustado
no mesmo domínio, usado pelo pipeline para diarização. Ele substitui o componente de
segmentação de um pipeline pyannote; não é um modelo de ASR e não funciona sozinho.
python
# no pipeline completo, ver o repositorio do codigofrom huggingface_hub import snapshot_downloadsnapshot_download("onsdevops/tiago-transcricao", allow_patterns="segmentation/*")
Avaliação interna sobre um conjunto de 215 áudios de comunicação operativa real, com transcrição de referência anotada à mão. Comparação com a solução comercial anterior sobre os mesmos áudios, após a mesma normalização de texto (minúsculas, sem acentos nem pontuação):
| Métrica | Solução anterior | Este modelo |
|---|---|---|
| WER ↓ | 0,414 | 0,406 |
| MER ↓ | 0,404 | 0,354 |
| CER ↓ | 0,329 | 0,283 |
| WIL ↓ | 0,483 | 0,475 |
| WIP ↑ | 0,517 | 0,525 |
Leia com cuidado: o modelo fica à frente nas cinco métricas, mas a margem em WER é estreita (0,406 contra 0,414, com desvios-padrão em torno de 0,2) e mais folgada em CER e MER. O comparativo é de um experimento interno, num domínio estreito, e não sustenta afirmação geral sobre nenhuma solução. Não há intervalo de confiança calculado, e os desvios são altos. Trate como ordem de grandeza, não como superioridade estabelecida.
O WER absoluto de ~0,4 reflete a dificuldade do material: áudio de rádio comprimido, com ruído de fundo e sobreposição de vozes.
openai/whisper-medium (764M parâmetros)Nota de reprodutibilidade: 5000 passos com batch 48 correspondem a muitas épocas sobre o conjunto de treino, bem acima do usual para ajuste de ASR, e os splits não fixam semente. Quem for reproduzir deve revisar isso.
whisper-medium, porque o
ajuste especializa o vocabulário.Apache 2.0.
Mantido pela Comunidade de IA do ONS — cia@ons.org.br. Defeitos e sugestões: as issues do repositório de código.