AiChatGPT Whisper bài số 03 : Các model tiny, base, small, medium, large và turbo
1. Trọng tâm
Whisper có các kích thước model tạo trade-off rõ giữa bộ nhớ, tốc độ và độ chính xác. tiny/base nhẹ; small/medium nặng hơn; large ưu tiên chất lượng; turbo là biến thể large-v3 được tối ưu tốc độ cho transcription.
2. Thực hành
# Thực hành bài 03
# Mục tiêu: Các model tiny, base, small, medium, large và turbo
# 1. Chuẩn bị một audio test ngắn.
# 2. Chạy Whisper với cấu hình phù hợp.
# 3. Lưu output và đối chiếu lỗi nhận dạng.
# 4. Thay một tham số, đo lại chất lượng/tốc độ.3. Cần quan sát gì?
- Ngôn ngữ nhận diện có đúng không.
- Từ chuyên ngành/tên riêng bị sai ở đâu.
- Timestamp có bám audio không.
- Thời gian xử lý và tài nguyên phần cứng.
4. Lỗi thường gặp
Không nên mặc định lỗi transcript luôn do model: audio đầu vào, FFmpeg, language, model size, thiết bị chạy và decoding options đều có thể ảnh hưởng kết quả.
5. Bài tập
- Chạy ví dụ với audio 30–60 giây.
- Thử ít nhất hai cấu hình/model khi phù hợp.
- Ghi lại tốc độ và ba lỗi transcript.
- Đề xuất cách cải thiện dựa trên dữ liệu vừa quan sát.