Multilingual Distilwhisper 28k

🚀 マルチリンガルDistilwhisper

Whisper-smallに軽量なCLSRモジュールを追加することで、対象言語における自動音声認識（ASR）の性能を向上させるモデルです。

🚀 クイックスタート

マルチリンガルDistilwhisperは、whisper-smallの上に軽量なCLSRモジュールを追加することで、対象言語におけるASR性能を向上させます。これらのモジュールは、交差エントロピー（ASR）と知識蒸留損失の混合でトレーニングされ、教師モデルとしてwhisper-large-v2が使用されます。詳細はICASSP 2024の論文を参照してください: arxiv.org/abs/2311.01070

✨ 主な機能

• マルチリンガル対応: カタロニア語（ca）、タミル語（ta）、タイ語（th）などの複数言語に対応しています。
• 高性能ASR: 軽量なCLSRモジュールを追加することで、対象言語におけるASR性能を向上させます。

📦 インストール

トレーニングと推論のコードはこちらにあります: https://github.com/naver/multilingual-distilwhisper

📚 ドキュメント

モデル情報

引用情報

@inproceedings{ferraz2024distilwhisper,
  title={Multilingual DistilWhisper: Efficient Distillation of Multi-task Speech Models via Language-Specific Experts},
  author={Ferraz, Thomas Palmeira and Boito, Marcely Zanon and Brun, Caroline and Nikoulina, Vassilina},
  booktitle={ICASSP 2024-2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
  year={2024},
  organization={IEEE}
}

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。