Baamtu/whisper-pular-ggml-q5

Whisper Pular - GGML Q5_1 (Mobile)

Modèle de reconnaissance vocale automatique (ASR) pour la langue Pular (Fulfulde) optimisé pour déploiement mobile.

🎯 Caractéristiques

• Langue: Pular (Fulfulde) - Code ISO: ff
• Architecture: Whisper Small fine-tuné
• Format: GGML Q5_1 (quantifié)
• Taille: 181 MB (vs 484 MB original)
• Réduction: 63%
• WER: ~19%
• Offline: 100%

📊 Performance

Plateforme	RTF	Latence (10s audio)	Status
CPU Colab (2 threads)	2.19	22s	✅ Validé
Raspberry Pi 4	~1.5	~15s	Estimé
iPhone 13+	~0.4	~4s	Estimé
Android Flagship	~0.6	~6s	Estimé
Android Mid-range	~1.0	~10s	Estimé

Note: RTF plus rapide sur mobile (4-8 threads + optimisations matériel)

🚀 Utilisation

Avec Whisper.cpp (Ligne de commande)

# Télécharger modèle
wget https://huggingface.co/Baamtu/whisper-pular-ggml-q5/resolve/main/ggml-pular-q5_1.bin

# Cloner Whisper.cpp
git clone https://github.com/ggerganov/whisper.cpp
cd whisper.cpp
make

# Transcrire
./main -m ../ggml-pular-q5_1.bin -f audio.wav -l ff

Android (Kotlin)

class PularASR(context: Context) {
    private external fun initWhisper(modelPath: String): Long
    private external fun transcribe(handle: Long, audioPath: String): String
    
    companion object {
        init {
            System.loadLibrary("whisper-android")
        }
    }
    
    fun initialize() {
        val modelPath = copyAssetToCache("ggml-pular-q5_1.bin")
        handle = initWhisper(modelPath)
    }
    
    fun transcribe(audioPath: String): String {
        return transcribe(handle, audioPath)
    }
}

iOS (Swift)

import WhisperKit

class PularASR {
    private var whisper: Whisper?
    
    func initialize() {
        let modelPath = Bundle.main.path(
            forResource: "ggml-pular-q5_1",
            ofType: "bin"
        )!
        whisper = Whisper(modelPath: modelPath)
    }
    
    func transcribe(_ audioPath: String) async -> String {
        return await whisper?.transcribe(audioPath, language: "ff") ?? ""
    }
}

Flutter (Multiplateforme)

import 'package:whisper_flutter/whisper_flutter.dart';

final whisper = await Whisper.fromAsset('assets/ggml-pular-q5_1.bin');
final result = await whisper.transcribe(audioPath, language: 'ff');
print(result.text);

📱 Déploiement Mobile

Android

1. Ajouter le modèle dans app/src/main/assets/
2. Intégrer Whisper.cpp avec JNI
3. Taille app finale: ~200 MB

iOS

1. Ajouter le modèle dans Resources/
2. Utiliser WhisperKit ou Whisper.cpp
3. Neural Engine supporté (accélération matérielle)

⚡ Optimisations

Voice Activity Detection (VAD)

Activez la transcription seulement quand une voix est détectée pour économiser 90% de batterie.

Streaming

Transcrivez par blocs de 3-5 secondes pour affichage progressif.

📚 Modèles Associés

Modèle	Taille	Format	Usage
asr-multi-merged-v0-1	484 MB	PyTorch FP16	GPU / Dev
asr-multi-faster-int8-v0-1	234 MB	CTranslate2	Raspberry Pi
whisper-pular-ggml-q5	181 MB	GGML Q5_1	Mobile

📊 Dataset

Fine-tuné sur Baamtu/pular-asr-v1:

• 31,002 exemples
• ~43 heures audio
• Pular du Sénégal

🔧 Conversion

Ce modèle a été créé via:

1. Fine-tuning Whisper Small avec PEFT LoRA
2. Fusion adaptateurs → PyTorch FP16
3. Conversion PyTorch → GGML
4. Quantization Q5_1

📖 Citation

@misc{whisper-pular-ggml-2026,
  title={Whisper Pular GGML: Mobile ASR for Fulfulde},
  author={Baamtu},
  year={2026},
  publisher={HuggingFace},
  url={https://huggingface.co/Baamtu/whisper-pular-ggml-q5}
}

📜 Licence

MIT License

🔗 Liens

• Demo: Gradio Space
• Whisper.cpp: GitHub
• Documentation: Guide d'implémentation

🤝 Support

Pour questions ou issues, créez un ticket sur le dépôt GitHub ou contactez via HuggingFace Discussions.

---

Développé par: Baamtu
Version: 1.0
Date: Mars 2026