suko/whisper-taiwanese-demo

🎙️ 台語（台灣閩南語）語音辨識 Demo

This Space hosts a Gradio demo of **MediaTek-Research/Breeze-ASR-26**, a Whisper-large-v2 fine-tune for Taiwanese Hokkien (閩南語 / Taigi) ASR trained on ~10,000 hours of large-scale synthetic Taigi speech.

關於模型

由 MediaTek Research（聯發科技）團隊開發，屬於 Breeze Taigi 框架的一部分 （標準化的台語語音技術評測框架）。

Benchmark 比較（Taigi ASR Benchmark, 越低越好）

已知限制

• —訓練資料全合成，可能跟真實自然口語有些落差
• —強腔調、特殊術語可能掉準度
• —各樣本 CER 從 14.49 % 到 52.78 % 都有（差異大）
• —永遠輸出國語漢字，不是台語正字（要台語正字需另做翻譯）

本 Space

• —SDK：Gradio 6.15.1
• —Hardware：ZeroGPU (RTX PRO 6000 Blackwell, 48 GB half-MIG slice)
• —推論精度：bf16（VRAM ~3 GB）
• —Named API endpoint：/transcribe

怎麼用

1. 瀏覽器 UI

開 https://huggingface.co/spaces/suko/whisper-taiwanese-demo 上傳台語音訊或用麥克風錄音，按「開始辨識」。

2. 程式呼叫（API）

請參考 `ADAPT.md` — 完整說明如何用 gradio_client（Python） 或直接打 Gradio HTTP endpoint（瀏覽器 / Node.js）呼叫 /transcribe。

簡短版（Python smoke test）：

from gradio_client import Client, handle_file
c = Client("https://suko-whisper-taiwanese-demo.hf.space")
result = c.predict(
    audio_path=handle_file("audio.wav"),
    api_name="/transcribe",
)
# result 是國語漢字的字串

License

本 demo 使用 Apache 2.0 的模型，商用 OK。

模型權利歸 MediaTek-Research 及 Breeze Taigi 團隊所有。 請引用：arXiv:2603.19259