---
license: cc-by-4.0
language:
- lt
base_model: openai/whisper-large-v3
pipeline_tag: automatic-speech-recognition
tags:
- whisper
- lithuanian
- asr
- speech-recognition
- liepa
library_name: transformers
---

# Ąžuolas — lietuvių kalbos atpažinimo modelis

Ąžuolas atpažįsta lietuvišką kalbą iš garso įrašų. Tai `whisper-large-v3`
modelis, SFT apmokytas su visu LIEPA-3 garsynu — skaitoma kalba,
laisva kalba ir fonetiniai įrašai.

Iš viso apie **9,8 tūkst. valandų** garso: 5 230 val. skaitomos kalbos,
4 359 val. laisvos kalbos ir 217 val. fonetinių įrašų. Pats LIEPA-3 garsynas
yra maždaug 11,4 tūkst. valandų — likusi dalis nenaudota, nes reikia apdoroti tą dataset'o dalį, o tikslas buvo išvengti papildomo apdorojimo.

Modelis pavadintas simbolinio Ąžuolo vardu [Ąžuolyno bibliotekos](https://azuolynobiblioteka.lt/) garbei. Jis didžiausias ir lėčiausias iš čia lyginamų lietuviškų modelių, tačiau tiksliausias.

> **Vienas svarbus dalykas prieš pradedant.** Ąžuolas prigalvoja tekstą, kai
> garse nieko nėra — per tylą ar foninį šnypštimą jis „išgirsta" sklandžius
> lietuviškus sakinius. Tai reali problema, ne smulkmena.
> Kaip su tuo dirbti — skyriuje [Ką reikia žinoti](#ką-reikia-žinoti).

## Rezultatai

Visi trys modeliai išbandyti su ta pačia programa — ta, kurią parašė
`paprika-whisper-lt-v3` autorius
([`kristijonasatpro/paprika`](https://github.com/kristijonasatpro/paprika)).
Naudotos jo dekodavimo nuostatos ir jo teksto normalizavimas. Taip visi trys
lyginami vienodai, o ne kiekvienas savo taisyklėmis.

**FLEURS LT — 985 įrašai, 2,96 val.**

| modelis | dydis | WER % | WER % be skaitmenų | greitis |
|---|---|---|---|---|
| **Ąžuolas** (whisper-large-v3) | 1,55 mlrd. | **9,05** | **4,68** | 26× realaus laiko |
| paprika-whisper-lt-v3 (large-v3-turbo) | 0,81 mlrd. | 12,06 | 7,78 | 83× realaus laiko |
| kmynas-parakeet-lt-v3 (Parakeet-TDT) | 0,6 mlrd. | 17,73 | 13,57 | **819× realaus laiko** |

**Common Voice 26.0 LT — 5 877 įrašai, 8,50 val.**

| modelis | WER % | greitis |
|---|---|---|
| **Ąžuolas** | **4,60** | 27× realaus laiko |
| paprika-whisper-lt-v3 | 8,60 | 76× realaus laiko |
| kmynas-parakeet-lt-v3 | 22,86 | **956× realaus laiko** |

WER — žodžių klaidų dalis. Mažiau yra geriau.

Abu testai visiems trims modeliams yra **iš kitos srities**: nei FLEURS, nei
Common Voice nėra LIEPA-3 dalis, ir jų įrašymo sąlygos kitokios. Tai verta
pabrėžti, nes paprika autorius sąmoningai neskelbia tokio skaičiaus — jo
paruoštas FLEURS rinkinys pasirodė esąs 44 iš 44 skaitmeninės tylos įrašų, ir
visi iš jo gauti skaičiai buvo atšaukti. Tad ši lentelė yra pirmas šių trijų
modelių palyginimas su nepažįstamu garsu ir su vienoda tvarka.

Greičiai išmatuoti viena RTX PRO 6000, fp16. Su kita įranga skaičiai
bus kitokie. Ąžuolas maždaug 3× lėtesnis už paprika, nes turi 32 dekoderio
sluoksnius, o turbo — tik 4. Kmynas yra visai kitos sandaros ir maždaug 30×
spartesnis už Ąžuolą.

### Kodėl yra stulpelis „be skaitmenų"

FLEURS atsakymuose skaičiai rašomi skaitmenimis (`25`), o šie modeliai rašo
žodžiais (`dvidešimt penki`). Formaliai tai klaida, nors atpažinta teisingai.
Paprika autorius įvertino, kad tai kainuoja „maždaug 4 WER". Pasitvirtino
beveik tiksliai, ir visiems trims vienodai:

| | visas | be skaitmenų | skaitmenų kaina |
|---|---|---|---|
| Ąžuolas | 9,05 | 4,68 | 4,37 |
| paprika-whisper-lt-v3 | 12,06 | 7,78 | 4,28 |
| kmynas-parakeet-lt-v3 | 17,73 | 13,57 | 4,16 |

Kaina beveik vienoda visiems, tad tai atsakymų teksto, o ne modelių savybė.
Stulpelis „be skaitmenų" geriau parodo tikrą atpažinimo kokybę.

### Tikras įrašas — 57 minutės iš renginio

Testų įrašai trumpi, tvarkingi ir skaitomi. O čia tie patys trys modeliai su
tikru įrašu: Vido Mačiulio knygos „Kitas gyvenimas" pristatymu [Ąžuolyno
bibliotekoje](https://azuolynobiblioteka.lt/). 57,1 minutės nerepetuotos kalbos su publika, persidengiančiais
balsais ir plojimais
([youtube.com/watch?v=BrfheG5EJR4](https://www.youtube.com/watch?v=BrfheG5EJR4)).

Šįkart naudota visa paprika ilgų įrašų programa, ne tik nuostatos: tylos
filtras, karpymas pauzėse, tada atpažinimas kiekvienoje dalyje atskirai.

| modelis | žodžių | teksto įvairumas | greitis | dažniausiai pasikartojusi frazė |
|---|---|---|---|---|
| **Ąžuolas** | 6 646 | 0,998 | 8,9× realaus laiko | `„ir taip toliau aš"` ×4 |
| paprika-whisper-lt-v3 | 6 636 | 0,998 | 35,0× realaus laiko | `„ir taip toliau aš"` ×4 |
| kmynas-parakeet-lt-v3 | 6 554 | 0,998 | **1 039× realaus laiko** | `„ir taip toliau aš"` ×4 |

Kiek modelių tekstai sutampa tarpusavyje:

| | |
|---|---|
| Ąžuolas ↔ paprika | 93,1 % |
| Ąžuolas ↔ kmynas | 90,3 % |
| paprika ↔ kmynas | 88,6 % |

- **Visi trys sutampa 92 žodžių ribose — 1,4 %.** Nė vienas nepraleidžia ir
  neprigalvoja didelių gabalų. Būtent tai svarbiausia ilguose įrašuose, ir
  trumpų įrašų WER to nerodo.
- **Teksto įvairumas 0,998 visiems** — niekas neįstrigo kartodamas tą patį.
  Dažniausia frazė visuose trijuose tekstuose ta pati — „ir taip toliau aš",
  keturis kartus. Tai tikra kalbos frazė, ne modelio klaida. Taip veikia
  karpymas pauzėse; tie patys modeliai, karpant fiksuotu žingsniu, jau
  įstringa.

Šios lentelės greičiai išmatuoti fp32, o ne fp16, nes paprika programa garso
požymius verčia į fp32. Todėl Ąžuolas čia rodo 8,9×, o FLEURS lentelėje su
fp16 — 26×. Šių dviejų lentelių greičių tarpusavyje nelyginkite.

### Patikrinta ir kita programa

Tie patys modeliai išmatuoti dar ir nepriklausoma programa (šio projekto
`eval_compare.py`, kitos nuostatos, kitas WER skaičiavimas):

| FLEURS / CV 26.0 | paprika programa | nepriklausoma | skirtumas |
|---|---|---|---|
| Ąžuolas | 9,05 / 4,60 | 9,12 / 4,97 | 0,07 / 0,37 |
| paprika-whisper-lt-v3 | 12,06 / 8,60 | 11,84 / 8,42 | 0,22 / 0,18 |

Dvi nepriklausomos programos sutampa 0,4 punkto ribose visur ir į abi puses.
Todėl eiliškumu galima tikėti. Nė viena programa nepataikauja savo autoriaus
modeliui: paprika programa pačią paprika įvertina net kiek griežčiau.

Dar viena patikra: kmynas modelis per šią programą gavo FLEURS **17,73** ir
be skaitmenų **13,57**, o jo pačio kortelėje paskelbta **17,15** ir **13,11**.
Skirtumas 0,6 ir 0,5 punkto. Tą skaičių gavo pats programos autorius su tuo
pačiu modeliu, tad sutapimas rodo, kad programa perkelta teisingai.

## Kaip naudoti

Modelis rašo **mažosiomis raidėmis ir be skyrybos ženklų** — taip užrašyti
LIEPA-3 atsakymai. Jis rašo ir taip, kaip pasakyta, o ne kaip taisyklinga:
`turim`, ne `turime`.

Jei reikia skyrybos, didžiųjų raidžių ar kalbėtojų žymų — tai atskiri modeliai.
Paprika saugykloje esantis `transcribe_file.py` visa tai padaro aplink Whisper
modelį ir veikia su šiuo per `--model`.

### Formatai

Modelis paskelbtas trimis pavidalais. Svoriai visur tie patys — tas pats
`best_model.pt`, iš kurio gauti visi šios kortelės skaičiai — ir visur fp16.

| pavidalas | kur | kaip įkelti |
|---|---|---|
| `transformers` | [`akisviete/azuolas-whisper-lt`](https://huggingface.co/akisviete/azuolas-whisper-lt) | `WhisperForConditionalGeneration.from_pretrained(...)` |
| `faster-whisper` | [`akisviete/azuolas-whisper-lt-ct2`](https://huggingface.co/akisviete/azuolas-whisper-lt-ct2) | `WhisperModel(...)` |
| `openai-whisper` | `original/best_model.pt` pagrindinėje saugykloje | `whisper.load_model(kelias)` |

Abiejuose paruoštuose pavidaluose įrašytos **10 `alignment_heads` porų** —
oficialus OpenAI rinkinys `large-v3` modeliui (iš 640 dekoderio kryžminio
dėmesio galvų). Be jų `faster-whisper` pats pasirenka 320 porų iš paskutinės
dekoderio pusės; išmatuota, kad tada nulinės trukmės žodžių padvigubėja
(42 → 70).

Svoriai fp16. Jei dirbate procesoriumi, įkeldami nurodykite
`dtype=torch.float32` — fp16 procesoriuje lėtas. Tikslumas nuo to nekinta:
skaičiai tie patys, tik kitaip užrašyti.

### Trumpi įrašai

```python
import torch, soundfile as sf
from transformers import WhisperForConditionalGeneration, WhisperProcessor

MODEL = "akisviete/azuolas-whisper-lt"

proc = WhisperProcessor.from_pretrained(MODEL, language="lithuanian", task="transcribe")
mdl = WhisperForConditionalGeneration.from_pretrained(MODEL, dtype=torch.float16).to("cuda").eval()

wav, sr = sf.read("irasas.wav", dtype="float32")        # 16 kHz, vienas kanalas
f = proc(wav, sampling_rate=16000, return_tensors="pt")
ids = mdl.generate(f.input_features.to("cuda", torch.float16),
                   language="lithuanian", task="transcribe",
                   condition_on_prev_tokens=False,
                   temperature=(0.0, 0.2, 0.4, 0.6, 0.8, 1.0),
                   logprob_threshold=-1.0,
                   compression_ratio_threshold=1.35,
                   no_speech_threshold=0.6)
print(proc.decode(ids[0], skip_special_tokens=True))
```

Su `faster-whisper` — maždaug 4× greičiau ir mažiau atminties. `vad_filter=True`
kartu išsprendžia tylos problemą, aprašytą žemiau:

```python
from faster_whisper import WhisperModel

m = WhisperModel("akisviete/azuolas-whisper-lt-ct2", device="cuda",
                 compute_type="float16")
segs, _ = m.transcribe("irasas.wav", language="lt", beam_size=5,
                       vad_filter=True, condition_on_previous_text=False)
for s in segs:
    print(f"[{s.start:6.2f} -> {s.end:6.2f}] {s.text}")
```

### Ilgi įrašai — karpykite patys

Supjaustykite garsą į dalis **iki 22 sekundžių**, kirpdami tylose *tarp*
kalbos, ir atpažinkite kiekvieną dalį atskirai.

Kirpimo vietas imkite iš **Silero VAD** — raskite kalbos sritis ir kirpkite
tarpų tarp jų viduriuose. Tai svarbu ne mažiau už patį ilgį: išmatuota, kad
toks kirpimas duoda apie **4 punktais** geresnį rezultatą nei paieška pagal
garso lygį, kuri gali pataikyti į tylesnę vietą žodžio viduryje.

22 sekundės nėra spėjimas. Su 57 minučių įrašu išbandytos visos ribos ir
palygintos su atskaitos tekstu:

| dalies ilgis | skirtumas nuo atskaitos |
|---|---|
| 16 s | 13,86 % |
| **22 s** | **13,38 %** |
| 28 s | 14,07 % |
| 40 s | 15,10 % |
| 60 s | 24,62 % |

Trumpesnės dalys verčia kirpti kalbos viduryje (prie 8 s taip nutinka 71 %
kirpimų, prie 28 s — 56 %), ir kiekvienas nevykęs kirpimas prigalvoja žodžių
abiejuose galuose. Ilgesnės dalys pradeda mesti tekstą: prie 60 s praleidimų
penkis kartus daugiau. Tai patikrinta su dviem skirtingai apmokytais
modeliais, ir geriausia riba nepasikeitė.

Du įspėjimai, abu patirti savo kailiu:

- **Nenaudokite `chunk_length_s`** iš `transformers`. Jis karpo fiksuotu
  žingsniu ir lipdo tekstą pagal persidengimus, o ko nesulipdo — išmeta.
  Paprika autorius išmatavo, kad taip tyliai prarandama 30 ir 52 žodžiai
  sandūrose. Tekstas atrodo tvarkingas, niekas nerodo, kad kažko nėra.
- **Per ilgos dalys sugenda tyliai.** Prie 60 s tekste pritrūksta apie 13 %
  žodžių, o visi „sveikatos" rodikliai atrodo geri. Tik žodžių skaičius,
  palygintas su atskaita, tai parodo.

## Ką reikia žinoti

**Modelis prigalvoja tekstą per tylą, ir apsauga neveikia.** Su 60 sekundžių
įrašais: visiška tyla — 78 simboliai, tylus šnypštimas — **947 simboliai**
sklandaus lietuviško teksto, kambario fonas — 247. Pati Whisper apsauga
nesuveikia: išmatuota tikimybė „nėra kalbos" per šnypštimą 0,0009, o
originaliam large-v3 — 0,8154.

Du būdai, abu veikia:

- **Išfiltruokite tylą prieš atpažinimą** — paprastas garso lygio patikrinimas,
  kaip daro paprika programa. Užima mikrosekundes ir problemą pašalina.
- **Naudokite `vad_filter=True`** su `faster-whisper`. Išmatuota: 0 simbolių
  visais trimis atvejais.

Kodėl taip atsitiko: dėl mokymo duomenų, ne dėl sandaros. Garsynas buvo
paruoštas suklijuojant sakinių įrašus į 30 sekundžių langus be tarpų, tad
modelis niekada nematė lango be kalbos ir neišmoko nutilti.

**Kiti apribojimai:**

- Rašo mažosiomis raidėmis, be skyrybos.
- 16 kHz, vienas kanalas. Vyrauja skaitoma ir laisva kalba. **Tarmių dalies
  nėra** — paprika v3 ją turi.
- Maždaug 3× lėtesnis už paprika. Išmatuota: 404 s prieš 128 s su 985 FLEURS
  įrašais.
- Ankstesnėse šios linijos versijose buvo sugedęs ilgų įrašų laiko žymėjimas.
  Priežastis — langų klijavimas, kuris išjungdavo laiko žymų mokymą. Pataisyta
  nustatant `no_timestamp_rate: 0.5`; klaidų skaičius nukrito nuo 23 iki 0.
  Šioje versijoje laiko žymos patikimos, bet tekstui vis tiek geriau karpyti
  patiems.
- Mokymo metu matytas 2,99 % WER yra iš tos pačios srities kaip ir mokymo
  duomenys. Tai ne tikras vertinimas — remkitės FLEURS ir CV skaičiais.

## Kaip apmokyta

Metodas ne savas. Jis paimtas iš i4Ds/FHNW darbo *Fine-tuning Whisper on
Low-Resource Languages for Real-World Applications*
([arXiv:2412.15726](https://arxiv.org/html/2412.15726v1)) — ten aprašytas ir
duomenų klijavimas, ir mokymo tvarka. Skirtumai nuo straipsnio surašyti
[šaltiniuose](#šaltiniai).

| | |
|---|---|
| pagrindas | `openai/whisper-large-v3`, apmokyti visi svoriai |
| duomenys | visas LIEPA-3 — 5 230 val. skaitoma + 4 359 val. laisva + 217 val. fonetinė |
| paruošimas | i4Ds Whisper-prep, klijavimas į 30 s langus, `overlap_chance 0,4` |
| optimizatorius | **AdamW + Muon**, `muon_ndim_threshold 2` |
| mokymo greitis | 2e-5, kosinusinis, 64 įšilimo žingsniai |
| Muon | momentas 0,95, svorių slopinimas 0,01 |
| AdamW (pagalbinis) | betos [0,9 · 0,98], eps 1e-6, svorių slopinimas 0,01 |
| paketas | 32 × 8 = **256** |
| epochos | 2 |
| reguliarizacija | žymų lyginimas 0,1, atsitiktinis gylis 0,1, `max_grad_norm` 1,0 |
| garso iškraipymai | SpecAugment ir deep SpecAugment |
| skaičių tikslumas | fp16, gradientų perskaičiavimas koduotuve ir dekoduotuve |
| laiko žymos | `no_timestamp_rate 0,5`, `prompt_use_rate 0,5` |
| failas | 3,09 GB fp16 |

Muon taikomas tik dvimačiams svoriams transformerio blokuose. Įterptiniai
vektoriai, konvoliucinis įėjimas, normalizavimo sluoksniai ir visi poslinkiai
tvarkomi pagalbiniu AdamW.

## Šaltiniai

**Lyginti modeliai**

- `paprika-whisper-lt-v3` — https://huggingface.co/kristijonas/paprika-whisper-lt-v3
- `kmynas-parakeet-lt-v3` — https://huggingface.co/kristijonas/kmynas-parakeet-lt-v3
- `openai/whisper-large-v3` — https://huggingface.co/openai/whisper-large-v3
- `nvidia/parakeet-tdt-0.6b-v3` (kmynas pagrindas) — https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3

**Vertinimo programa** (naudota visoms lentelėms)

- `kristijonasatpro/paprika` — https://github.com/kristijonasatpro/paprika —
  Apache-2.0. `chunk_longform.py` — dekodavimo nuostatos ir karpymas pauzėse;
  `eval_kmynas.py::norm` — teksto normalizavimas.
- `kristijonasatpro/kmynas` — https://github.com/kristijonasatpro/kmynas —
  ilgų įrašų programa ir skolintų žodžių žodynas.

**Pagrindinis mokymo šaltinis**

- Vincenzo Timmel, Claudio Paonessa, Reza Kakooee, Manfred Vogel,
  Daniel Perruchoud. *Fine-tuning Whisper on Low-Resource Languages for
  Real-World Applications*. arXiv:2412.15726, 2024 m. gruodžio 20 d.,
  CC BY 4.0 — https://arxiv.org/html/2412.15726v1

  FHNW (Šiaurės vakarų Šveicarijos taikomųjų mokslų universitetas) ir Noxenum.
  Būtent šis darbas aprašo metodą, kuriuo Ąžuolas paruoštas ir apmokytas, o
  `Whisper-prep` bei `Whisper-finetune` yra jo kodas. Iš jo perimta:
  sakinių lygio įrašų klijavimas į 30 s langus su VAD pataisytomis laiko
  žymomis, kalbėtojo išlaikymas, persidengimai, `no_timestamp_rate` ir
  `prompt_use_rate` po 0,5, paketas 256, gradientų perskaičiavimas koduotuve
  ir dekoduotuve, atsitiktinis gylis ir SpecAugment.

  Kur nukrypta: jie pradėjo nuo `large-v2` (šveicarų vokiečių kalbai jis
  pasirodė geresnis), Ąžuolas — nuo `large-v3`; jų mokymo greitis 2e-4 ir
  tiesinis mažėjimas, Ąžuolo 2e-5 ir kosinusinis; jie naudojo 8 bitų AdamW,
  Ąžuolas — AdamW + Muon.

  Vertas dėmesio ir straipsnio 4.4 skyrius: autoriai patys pastebi, kad po
  tokio permokymo tikrų ilgų įrašų skaidymas ir atpažinimas pablogėja. Tas
  pats matyti ir čia — todėl kortelėje ir rašoma karpyti patiems.

**Mokymo kodas**

- `i4Ds/Whisper-finetune` — https://github.com/i4Ds/Whisper-finetune
- `i4Ds/Whisper-prep` — https://github.com/i4Ds/Whisper-prep
- `jumon/whisper-finetuning` — https://github.com/jumon/whisper-finetuning —
  pirminis projektas, kurio duomenų dalį Whisper-prep atkartoja.

Naudotos šios pataisos, visos pasiūlytos ir pirminiams projektams. `no_timestamp_rate`
pataisa yra ta, dėl kurios šioje versijoje laiko žymos naudotinos:

| pataisa | projektas | ką pataiso |
|---|---|---|
| [whisper-prep#6](https://github.com/i4Ds/whisper-prep/pull/6) | whisper-prep | palieka visą 30 s langą ir įrašo persidengiančio segmento pradžios laiką |
| [whisper-prep#7](https://github.com/i4Ds/whisper-prep/pull/7) | whisper-prep | VTT `MM:SS.mmm` skaitymas, prarasta paskutinė eilutė, pasenęs buferis (perkelta iš [jumon#33](https://github.com/jumon/whisper-finetuning/pull/33)) |
| [whisper-finetune#11](https://github.com/i4Ds/whisper-finetune/pull/11) | whisper-finetune | įspėja, kad `no_timestamp_training` tyliai išjungia `no_timestamp_rate` |
| [whisper-finetune#12](https://github.com/i4Ds/whisper-finetune/pull/12) | whisper-finetune | priima vieną likusią pradžios žymą `_get_partial_segment_start` |
| [whisper-finetune#13](https://github.com/i4Ds/whisper-finetune/pull/13) | whisper-finetune | praleidžia nieko nekeičiantį kalbos `map` (~65 min. garso perrašymo per kiekvieną mokymą) |

**Duomenys**

- **LIEPA-3 garsynas** — Vilniaus universitetas / raštija.lt, CC BY 4.0 —
  *dėkojame*. Svetainė: https://www.xn--ratija-ckb.lt (`www.raštija.lt`).
  Naudota Hugging Face kopija:
  https://huggingface.co/datasets/meldynamics/liepa-3
- FLEURS — https://huggingface.co/datasets/google/fleurs
- Common Voice 26.0 (lietuvių), leidimas `cv-corpus-26.0-2026-06-12` —
  https://commonvoice.mozilla.org/en/datasets — čia naudoti 5 877 įrašai
  (8,50 val.)
- Tikras įrašas: Vido Mačiulio knygos „Kitas gyvenimas" pristatymas, Ąžuolyno
  biblioteka (https://azuolynobiblioteka.lt/) — https://www.youtube.com/watch?v=BrfheG5EJR4

**Metodai**

- Muon — https://kellerjordan.github.io/posts/muon/ ir *Muon is Scalable for
  LLM Training*, arXiv:2502.16982
- Silero VAD — https://github.com/snakers4/silero-vad
- *Distil-Whisper*, arXiv:2311.00430 — iš kur 22 sekundės. Jų 23 lentelė rodo,
  kad geriausias gabalo ilgis seka mokymo lango ilgį: Whisper optimalus ties
  30 s, Distil-Whisper ties 15 s, nes pastarojo mokymo imties vidurkis 7,1 s.
  Ten pat ir haliucinacijų matavimas per pasikartojančias 5-gramas. Patys
  autoriai naudoja persidengiantį `chunk_length_s` karpymą; išbandyta su šiuo
  modeliu — Silero VAD karpymas už jį geresnis.
- *Semantic Segmentation with Bidirectional Language Models Improves Long-form
  ASR*, arXiv:2305.18419 — **išbandyta ir atmesta.** Siūloma kirpti ties
  sakinių ribomis, o ne ties pauzėmis. Patikrinta su šiuo modeliu ir 57 minučių
  įrašu: pralaimi Silero VAD kirpimui. Pasirodo, kad svarbu pataikyti į tikrą
  tylą, o ne į sakinio ribą — Silero kerpa per sakinio vidurį dažniau, ir vis
  tiek yra geresnis.

## Licencija

Svoriai — CC BY 4.0, perimant LIEPA-3 garsyno nuorodų grandinę (VU /
raštija.lt). Pagrindinis modelis `openai/whisper-large-v3` — Apache-2.0.

## Kontaktai

Dėl klausimų ir pasiūlymų rašykite **akisviete@gmail.com**.