TheWhisper-Large-V3-Turbo
TheStage AI · États-Unis
- Poids ouverts
- Licence : CC BY 4.0
- Français annoncé
En bref : 13e sur 39 en transcription en français ; 14e sur 53 en transcription en anglais (Open ASR).
Présentation
TheWhisper-Large-V3-Turbo est une version de Whisper Large V3 Turbo d'OpenAI ajustée et optimisée par TheStage AI pour la transcription en temps réel, à faible latence et faible consommation. Il fonctionne sur GPU NVIDIA et sur puces Apple (CoreML), avec un mode streaming. Lu sur huggingface.co, le 17/10/2026.
Langues
- Annoncées par l'éditeur : 28 langues (liste de la carte), dont le français (en, ar, bg, bn, cs, da, de, el, es, et, fi, fr, hi, hu, id, it, lt, lv, nl, pl, pt, ro, ru, sk, sl, sv, uk, vi). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 13e sur 39 en transcription en français (4,41 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
13e sur 39taux d'erreur par mot 4,41 %
Vitesse : RTFx 1 012 : transcrit 1 012 secondes d'audio par seconde de calculPar jeu de test : Common Voice 5,83 %, FLEURS 4,18 %, MLS 3,23 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
14e sur 53taux d'erreur par mot 5,91 %
Vitesse : RTFx 1 177 : transcrit 1 177 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 7,32 %, Earnings22-Cleaned-AA-chunked 7,18 %, Gigaspeech-Cleaned 7,84 %, LS Clean 1,41 %, LS Other 3,20 %, Private (conversational) 13,98 %, Private (scripted) 3,93 %, SPGISpeech 1,62 %, URGENT24 10,82 %, Voice Arena Monsoon 3,72 %, Voxpopuli-AA-Cleaned 4,02 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, multilingual (12e, 4,14 %) · derrière, Canary 1B v2 (14e, 4,79 %)
- Transcription en anglais, Open ASR : devant, Hojo-ASR-V1 (13e, 5,85 %) · derrière, ARK-ASR-3B (15e, 5,92 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
TheStageAI/thewhisper-large-v3-turbo - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/TheStageAI/thewhisper-large-v3-turbo/raw/main/README.md (« license: cc-by-4.0 »), 17/10/2026.
- Pages lues
- https://huggingface.co/TheStageAI/thewhisper-large-v3-turbo/raw/main/README.md (« TheWhisper-Large-V3-Turbo is a fine-tuned, high-performance variant of OpenAI’s Whisper Large V3 model »), 17/10/2026
- https://huggingface.co/TheStageAI/thewhisper-large-v3-turbo/raw/main/README.md (« optimized by TheStage AI for real-time, low-latency, and low-power speech-to-text (ASR) inference across multiple platforms, including NVIDIA GPUs and Apple Silicon (CoreML / Neural Engine) »), 17/10/2026
- https://huggingface.co/TheStageAI/thewhisper-large-v3-turbo/raw/main/README.md (« Language of the audio (e.g., "en", "es", "fr"). »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.