shuaijiang
shuaijiang
You can use ` pip install warpctc-pytorch10-cuda90==0.1.3` instead of `"python setup.py install`, note the right version of warpctc-pytorch10-cuda90
Parler-TTS generate a similar but different voice with same discription but different Transcript text
根据上面结果，大概原因可能是使用belle-whisper没有做vad切分，所以都是按照最长30秒做的识别，这样有一定的影响。 建议把belle-whisper转为fasterwhisper模型格式，基于faster-whisper框架去做推理，faster-whisper内置了vad 模块。速度和效果都有一定保证。
你说的应该是 timestamps， belle-whisper 微调时没有进一步优化timestamp。如果需要timestamps需要在推理时主动打开。faster-whisper框架有vad，切分效果更好一些。所以建议用faster-whisper框架调用belle-whisper
数据处理 默认训练数据均为短句（大多10秒内），所以没有做细致的切分。 识别过程中，分句主要依赖vad模块。 由于微调过程没有进行加时间戳的微调，可能会影响识别结果中时间戳的准确率。如果对时间戳准确率有要求，可以微调中加入时间戳微调。
here is the PLATO-XL model https://dialogue.bj.bcebos.com/Knover/projects/PLATO-XL/11B.tar
you can continually all parameters fine-tune using https://github.com/shuaijiang/Whisper-Finetune/blob/master/finetune_all.py, or fine-tune by lora using https://github.com/shuaijiang/Whisper-Finetune/blob/master/finetune.py
时间戳可以参考 faster whisper https://github.com/SYSTRAN/faster-whisper?tab=readme-ov-file#word-level-timestamps
it confused me. Belle-whisper is exactly same to whisper on model framework. BTW, check the output length of belle-whisper and faster-whisper, maybe the length difference make the speed gap
你调用的方式是什么？ 可以将belle-whisper-large-v3-zh 转成 CT格式，基于faster-whisper 来推理