Субтитры: Vosk и faster-whisper
Антон Полднев · «Как меняется разработка на серверной стороне AI-технологий» · 18:20
Трек 1, исходный интервал 00:12:00–00:30:20. Время ниже отсчитывается от начала вырезанного доклада. Исходные результаты распознавания сохранены без исправления текста.
Результаты запуска
RTF — время распознавания / время аудио. Меньше — быстрее. Во время faster-whisper шла фоновая загрузка файлов. Большая Vosk использует mmap-файлы на SSD для крупных матриц, со штатными CARPA/RNNLM. Поэтому время этого запуска не является изолированным бенчмарком скорости в RAM.
Новый эксперимент: Whisper без подсказок и с hotwords
Проверка точности по звуку
Пока эталон не проверен человеком, WER/CER не вычисляются. Различие текстов двух движков не доказывает ошибку одного из них. Проверьте по аудио три заранее выбранных фрагмента, внесите дословный текст и отметьте проверку. Поля эталона изначально пусты.
Сохранённый файл можно передать скрипту: .venv/bin/python scripts/compare.py --reference /путь/reference.json. Результаты относятся только к проверенным фрагментам. Текст и аудио обрабатываются локально в браузере.
Подробный отчёт · Результаты JSON