Whisper Khanacademy Large V3 Turbo Tr

🚀 whisper-khanacademy-large-v3-turbo-tr

このモデルは、openai/whisper-large-v3-turbo を ysdede/khanacademy-turkish データセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.2129
• 単語誤り率 (Wer): 15.6951

🚀 クイックスタート

このモデルは、自動音声認識タスクに使用できます。具体的には、トルコ語の音声データに対して高精度な音声認識を行うことができます。

✨ 主な機能

• 高精度な音声認識：トルコ語の音声データに対して高精度な音声認識を行うことができます。
• ファインチューニング済み：openai/whisper-large-v3-turbo を ysdede/khanacademy-turkish データセットでファインチューニングしたモデルです。

📦 インストール

このモデルを使用するには、transformers ライブラリをインストールする必要があります。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

モデルの詳細

このモデルは、openai/whisper-large-v3-turbo をベースに、ysdede/khanacademy-turkish データセットでファインチューニングされています。

想定される用途と制限

このモデルは、トルコ語の自動音声認識に使用することを想定しています。ただし、特定のドメインや音声品質によっては性能が低下する場合があります。

学習と評価データ

学習データセットには、khanacademy、turkish、stem、asr などのデータが含まれています。評価データセットには、ysdede/khanacademy-turkish が使用されています。

🔧 技術詳細

学習ハイパーパラメータ

学習時には以下のハイパーパラメータが使用されました。

• 学習率 (learning_rate): 5e-06
• 学習バッチサイズ (train_batch_size): 64
• 評価バッチサイズ (eval_batch_size): 32
• 乱数シード (seed): 42
• オプティマイザ (optimizer): adamw_torch を使用し、ベータ値は (0.9, 0.999)、イプシロンは 1e-08 です。追加のオプティマイザ引数はありません。
• 学習率スケジューラの種類 (lr_scheduler_type): linear
• 学習率スケジューラのウォームアップ比率 (lr_scheduler_warmup_ratio): 0.15
• 学習ステップ数 (training_steps): 1204
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.48.0.dev0
• Pytorch 2.5.1+cu121
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 ライセンス

このモデルは MIT ライセンスの下で提供されています。