ggml-org/whisper.cpp

Add ability to limit auto-detection to a subset of languages

开放

#1,242 创建于 2023年9月2日

在 GitHub 查看贡献者指南
 (5 条评论) (3 个反应) (0 位负责人)C++ (6,072 个派生)batch import
enhancementgood first issue

仓库指标

星标
 (52,942 个星标)
PR 合并指标
 (平均合并 5天 20小时) (30 天内合并 36 个 PR)

描述

From what I can tell, auto-detection simply picks the language with the highest probability score. Sometimes, I know the language could only be 1 out of 5 possible languages. In such cases, it would be useful to be able to specify the possible languages, to improve the likelyhood of the auto-detection picking the correct language.

贡献者指南

研究方向
首先，检查 whisper.cpp 中现有的自动检测实现，可能在 whisper.cpp 或 common.cpp 中，以了解语言如何评分以及如何选择最高概率。然后，提出修改方案，以接受用户指定的语言子集（例如，通过 API 参数或环境变量），在评分前过滤候选语言。考虑添加新函数或修改现有的 whisper full default params 以包含语言过滤器。使用几种语言测试更改，确保检测准确性得到提高。
技术栈
cpp
领域
apimachine learning
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
C++Git
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
50