whisperについて

[TP]

whisperの音声認識ってかなり時間がかかる印象を持ってますが、工夫されたポイントはありますか

[桑田 健佑]

テキストの文字起こしにはWhisperをそのまま使用すると時間がかかるため、軽量バージョンのfaster_whisperというモデルを使用いたしました。
また、高速化の為に使用するモデルのサイズをsmallとしております。
こちらの設定で、10秒程度の音声であれば文字起こし完了まで1秒程度まで高速化できました。
認識精度は下がりますが、日常会話の文字起こしには必要十分であると考えています。