CrisperWhisper 2.0: Whisper-varianten som skiller ord fra mumling

Standard Whisper-transkripsjon har alltid hatt en svakhet: den luker automatisk bort «øh», stotring og halvferdige setninger, og gir deg en pen, oppryddet tekst. Det er fint når du bare vil ha innholdet – men et problem hvis du faktisk trenger å vite hva som ble sagt, ord for ord. CrisperWhisper 2.0 fra Nyra Labs løser dette ved å gjøre det til et bevisst valg i stedet for en skjult policy modellen har lært seg ved et uhell.

To moduser, ett verktøy

Verbatim-modus transkriberer alt – fyllord, gjentakelser, avbrutte setninger og lydhendelser – med presise ord-nivå-tidsstempler. Intended-modus gir deg den rene, lesbare versjonen de fleste er vant til fra vanlig Whisper. Det er samme modell, du bare velger stil.

2.0-versjonen er en solid oppgradering fra 1.0, som kun støttet engelsk og tysk og bare hadde verbatim-modus. Nyheten legger til flerspråklig støtte, «hotwords» for egne fagtermer, og en funksjon kalt Verbatimize: gitt lyd og en ren transkripsjon du allerede stoler på, fyller modellen inn nøyaktig de fyllordene og lydhendelsene som faktisk finnes i opptaket. Ifølge Nyra Labs hopper gjenkjenning av sjeldne ord fra 6,8 til 96,1 prosent sammenlignet med å transkribere alt på nytt.

På Nyra sin egen «Verbatim Speech Benchmark» – som måler hvor pålitelig fyllord og gjentakelser fanges opp uten at modellen dikter opp nye – topper CrisperWhisper 2.0 lista på tvers av ti språk, og Pro-varianten skal slå lukket-kildekode-alternativer som ElevenLabs Scribe v2, Microsoft og AssemblyAI.

Lisens: gratis, men ikke for alt

Her må man være litt obs. Selve inferenskoden er MIT-lisensiert og fritt til kommersiell bruk. Modellvektene derimot ligger under Nyra Health Non-Commercial Research License – gratis for forskning og annen ikke-kommersiell bruk, men kommersiell bruk krever egen avtale. Pro-modellene er kun tilgjengelig kommersielt. For hobbyprosjekter og lokal eksperimentering er dette ikke noe hinder, men det er verdt å vite før du bygger noe du planlegger å tjene penger på.

Modellen kjører lokalt, bygger på Whisper-arkitekturen og installeres enkelt med pip install crisperwhisper.

Ressurser

• CrisperWhisper på GitHub – kode og oppsett
• CrisperWhisper 2.0 hos Nyra Labs – benchmark og detaljer