NB-Whisper: norsk tale til tekst fra Nasjonalbiblioteket

Hva er NB-Whisper?

NB-Whisper er en serie modeller for automatisk talegjenkjenning (tale til tekst), utviklet av KI-laboratoriet ved Nasjonalbiblioteket (NB AI-Lab). Modellene bygger på OpenAIs åpne Whisper-modell, og den største er videretrent fra whisper-large-v3. Ifølge modellkortet er de trent på norske taledatasett, blant annet NST og NPSC (Norsk parlamentstalekorpus).

Modellene finnes i fem størrelser, fra Tiny (39 millioner parametere) til Large (1550 millioner). De støtter norsk bokmål, nynorsk og engelsk. Det finnes også verbatim-varianter som gjengir talen mer ordrett, noe som passer for blant annet språklig analyse.

Hva kan norske bedrifter bruke det til?

• Møtereferater: Transkriber opptak av møter, og la for eksempel en språkmodell lage et utkast til referat.
• Intervjuer og podkaster: Raskere arbeid for journalister, forskere og innholdsprodusenter.
• Teksting av video: Modellen kan gi tidsstempler per setning eller per ord, som er et godt utgangspunkt for undertekster.
• Nynorsk: Du kan be om transkripsjon til nynorsk.

Fordi modellene kan kjøres lokalt, trenger ikke lydopptakene å sendes til en ekstern tjeneste. Opptak av personer er likevel personopplysninger, så avklar samtykke og lagringstid.

Slik kommer du i gang

Modellkortet viser bruk med Hugging Face Transformers i Python. Installer biblioteket:

pip install transformers>=4.35.2

Last deretter inn modellen og transkriber en lydfil:

from transformers import pipeline
asr = pipeline("automatic-speech-recognition", "NbAiLab/nb-whisper-large")
asr("opptak.mp3", chunk_length_s=28, generate_kwargs={"task": "transcribe", "language": "no"})

Med chunk_length_s kan du transkribere filer som er lengre enn 30 sekunder. Med "language": "nn" får du nynorsk. Ifølge modellkortet er Tiny, Base og Small tilpasset kjøring på vanlig prosessor (CPU), mens Medium og Large bør ha et grafikkort (GPU).

Lisens

NB-Whisper-modellene er lisensiert under Apache 2.0, som tillater kommersiell bruk. Grunnmodellen Whisper fra OpenAI er MIT-lisensiert.

Hvorfor vi skriver om det

Lokale KI-verktøy og åpen kildekode er et gjennomgående tema på AI-kanaler som @milesreevesai, @replace.so og @ai.with.andrew på TikTok. Vi kan ikke se videoene direkte, og vi påstår ikke at akkurat dette verktøyet er vist i en bestemt video. Alle fakta i artikkelen er hentet fra prosjektets egen nettside og kildekode, som er lenket under.

Lenker

• Modellkort: huggingface.co/NbAiLab/nb-whisper-large
• Kildekode: github.com/NbAiLab/nb-whisper
• NB AI-Lab: ai.nb.no