whisper-large-v2-cantonese-mlx

whisper-large-v2-cantonese-mlx

這是 Scrya/whisper-large-v2-cantonese 的 MLX 轉換版本。 原始模型是以 openai/whisper-large-v2 為基礎，並在 Common Voice 11.0 粵語資料集上微調的 Cantonese ASR 模型。

根據原始模型卡，它在 mozilla-foundation/common_voice_11_0 的 yue 測試集 CER 約為 6.21。

使用方式

先安裝：

pip install -U mlx-whisper

CLI：

mlx_whisper audio.wav --model doggy8088/whisper-large-v2-cantonese-mlx --language zh

Python：

import mlx_whisper

result = mlx_whisper.transcribe(
    "audio.wav",
    path_or_hf_repo="doggy8088/whisper-large-v2-cantonese-mlx",
    language="zh",
)
print(result["text"])

注意事項

• 權重已轉成 fp16，檔名為 weights.safetensors。
• 這個 checkpoint 繼承的是 Whisper large-v2 的 99 語言詞彙表，因此在 mlx-whisper 中建議使用 --language zh（或省略讓模型自動偵測），不要指定 yue。
• 其餘 tokenizer / preprocessor 相關檔案已一併保留，方便在 Hugging Face 上瀏覽與重用。