readme

README.md

@@ -0,0 +1,67 @@
+---
+license: mit
+language:
+- fr
+library_name: transformers.js
+pipeline_tag: automatic-speech-recognition
+base_model: openai/whisper-base
+base_model_relation: finetune
+tags:
+- whisper
+- onnx
+- transformers.js
+- wakeboard
+- wakeskate
+- speech-recognition
+inference: false
+---
+
+# whisper-wakeref-onnx
+
+Whisper-base **fine-tuné** pour reconnaître les noms de **tricks de wakeboard /
+wakeskate / wakeboard assis**, utilisé par l'outil de jugement vocal de
+[WakeRef](https://wakeref.app) (`/judge/voix`). Exporté en **ONNX** pour tourner
+**en local dans le navigateur** via [Transformers.js](https://github.com/huggingface/transformers.js).
+
+## Particularité
+
+Le modèle est entraîné à produire directement le **nom canonique du trick**
+(ex. `TS BS 360`, `Crow Mobe`, `Blind Judge`) à partir d'une dictée — pas une
+transcription libre. Sur un vocabulaire **fermé**, il agit donc comme un
+*reconnaisseur de trick*. Une couche de matching applicative reste branchée en
+filet pour rattraper les quasi-correspondances.
+
+## Données & entraînement
+
+- ~1 300 clips audio courts (push-to-talk), dictés et étiquetés via le mode de
+  collecte guidée de WakeRef ; 221 tricks (wakeboard, wakeskate, seated).
+- Cible = nom canonique du trick (colonne `transcription`).
+- Base : `openai/whisper-base` · langue `fr` · tâche `transcribe`.
+- Meilleure **WER d'éval ≈ 16 %** (split 10 %, même locuteur).
+
+## Limites
+
+- **Mono-locuteur** : adapté à la voix de l'auteur. Pour d'autres juges, ré-entraîner
+  avec davantage de locuteurs et de conditions audio.
+- Vocabulaire **fermé** au catalogue WakeRef ; hors de ce domaine, le comportement
+  n'est pas pertinent.
+- Mélange français / jargon anglais propre au wake.
+
+## Fichiers
+
+ONNX (fp32) au format Transformers.js :
+`onnx/encoder_model.onnx`, `onnx/decoder_model_merged.onnx` (+ variantes), avec
+les configs et le tokenizer à la racine.
+
+## Utilisation (Transformers.js)
+
+```js
+import { pipeline } from '@huggingface/transformers';
+
+const transcriber = await pipeline(
+  'automatic-speech-recognition',
+  'almorelle/whisper-wakeref-onnx',
+  { dtype: { encoder_model: 'fp32', decoder_model_merged: 'fp32' } }
+);
+const { text } = await transcriber(audioFloat32_16kHz, { language: 'french', task: 'transcribe' });
+```