Haas-ja-v1.0 compte 615,8 millions de paramètres et a été entraîné sur environ 46 000 heures de données. L’entreprise indique qu’il présente le meilleur CER strict parmi les modèles ouverts évalués sur asr-ja-bench v1.1, qui comprend 18 318 énoncés et 23,38 heures de parole japonaise.

Le coût estimé de l’infrastructure est de 0,003 à 0,004 $ par heure audio, contre environ 0,30 $ pour GPT-Transcribe. Il s’agit d’une estimation des coûts d’infrastructure fondée sur des hypothèses de forte utilisation, et non d’un tarif d’API ; les coûts d’exploitation peuvent augmenter en cas de faible utilisation. Le modèle nécessite Linux et un GPU NVIDIA.

Pourquoi c’est important

Il offre une option sous licence ouverte aux équipes qui souhaitent héberger elles-mêmes la transcription japonaise, avec une estimation déclarée par l’entreprise d’un faible coût d’inférence. Les résultats de benchmark et les estimations de coûts ne sont pas présentés comme ayant été vérifiés indépendamment.

GUIDES

Quelque chose à essayer

À titre d’essai hypothétique, vérifiez la licence et les exigences matérielles, puis évaluez un court enregistrement en japonais pertinent pour votre travail et comparez-le à votre transcription actuelle à l’aide de la même métrique.