Dansk tale.Præcis tekst.
Bedst på CoRal v3, Danmarks største offentlige benchmark for dansk tale: 9.01% WER på oplæst dansk, 19.21% på samtaledansk og 425× hurtigere end realtid på én GPU. Åbne vægte, så I kan køre den lokalt. Se benchmarken
Hviske v5.3 · udgivet 2026 · CC BY-NC 4.0
- Dansk tale
- Tekst
- Lokalt hos jer
- 9.01%
- WER på oplæst dansk (CoRal v3)
- 19.21%
- WER på samtaledansk
- ~425×
- hurtigere end realtid på én RTX 3090
- 2B
- parametre
- 00:00Velkommen til bestyrelsesmødet.
- 00:03Første punkt på dagsordenen er…
Transskriberet lokalt. Lyden forlod ikke huset.
Åbne vægte,jeres data
Download, kør lokalt, og lad lydoptagelserne blive hos jer. Ingen upload til OpenAI eller andre tredjeparter.
CC BY-NC 4.0
Hviske v5.3 er udgivet med åbne vægte på Hugging Face under CC BY-NC 4.0. I kan downloade modellen og køre den lokalt, så lydoptagelserne aldrig forlader jeres infrastruktur.
Licensen tillader fri brug til forskning, undervisning og personlige projekter. Kommerciel brug kræver en separat licens.
Se hviske-v5.3 på Hugging FaceKommerciel licens
Skal modellen bruges i et kommercielt produkt, med on-prem support eller fine-tunes på jeres egne data? Kontakt os for en skræddersyet aftale.
Vi hjælper med opsætning, integration og drift, uanset om det er i skyen eller på egne servere.
Kontakt osI gang påminutter
Hviske v5.3 har et indbygget transcribe()-API, der klarer batching, sampling og automatisk opdeling af lange optagelser.
Lyd længere end 35 sekunder deles automatisk op internt. Lyden resamples til 16 kHz.
# pip install transformers torch soundfile librosa
import torch, numpy as np, soundfile as sf
from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq
processor = AutoProcessor.from_pretrained(
"syvai/hviske-v5.3", trust_remote_code=True
)
model = AutoModelForSpeechSeq2Seq.from_pretrained(
"syvai/hviske-v5.3",
trust_remote_code=True,
dtype=torch.bfloat16,
).to("cuda").eval()
audio, sr = sf.read("din_lydfil.wav")
audio = np.asarray(audio, dtype=np.float32)
text = model.transcribe(
processor=processor,
language="da",
audio_arrays=[audio],
sample_rates=[sr],
)[0]
print(text)Bedst påCoRal v3
Hviske v5.3 leverer de bedste resultater på Danmarks største offentlige benchmark for dansk tale. Fejlrate på tegnniveau, lavere er bedre.
Oplæst tale
CoRal v3 · CER, lavere er bedre
syvai/
hviske-v5.3 2B parametre
3.63%
CoRal-project/
roest-whisper-1.5b-v1 1.54B parametre
4.0%
syvai/
hviske-v2 1.54B parametre
4.0%
openai/
whisper-large-v3 1.54B parametre
10.1%
Samtale
CoRal v3 · CER, lavere er bedre
syvai/
hviske-v5.3 2B parametre
11.35%
CoRal-project/
roest-whisper-1.5b-v2 1.54B parametre
11.6%
CoRal-project/
roest-wav2vec2-315m-v3 315M parametre
13.7%
openai/
whisper-large-v3 1.54B parametre
27.5%
syvai/
hviske-v2 1.54B parametre
29.4%
425×
60 minutters lyd på ca. 8,5 sekunder, på én NVIDIA RTX 3090.
Kørt i bfloat16. Nok til både batch-kørsel i stor skala og lav-latens applikationer.
Tal rapporteret med strict-normalisering. Beam search giver ca. 0,4 procentpoint lavere WER mod ca. 75 % inferens-overhead.
Bjælkerne er i samme målestok.
- Hastighed
- ~425× realtid
- Lange optagelser
- Deles op
Færdig. Lyden forlod ikke maskinen.
Hvor denbruges
Fire områder, hvor præcis dansk transskription uden cloud-overførsel løser et reelt problem.
- Medier og podcast
- Skalerbar batch-transskription af arkiver. Søgbar tekst på hundredvis af timers lyd.
- Kommuner og regioner
- Mødereferater og sagsbehandling uden at sende borgerlyd til OpenAI.
- Sundhedssektoren
- Lægediktering og journalnotater. GDPR-kritisk: lyden må aldrig forlade huset.
- Forskning og sprogteknologi
- Korpusarbejde, sprogforskning og annotering af datasæt på dansk i stor skala.
Hent modellen og test den gratis under CC BY-NC 4.0.
Skal den i produktion? Kontakt os om kommerciel licens, on-prem support eller fine-tuning på jeres egne data.