Whisper Large V3 Lv Late Cv19

🚀 汎用ラトビア語自動音声認識モデル

これは、whisper-large-v3 をラトビア語用にファインチューニングしたモデルです。AiLab.lv によって、2つの汎用音声データセット、つまり Common Voice 19.0 のラトビア語部分と、最新版のラトビア語放送データセット LATE-Media を使用して学習されました。

このバージョンのモデルは、以前の whisper-large-v3-lv-late-cv17 モデルに取って代わります。

また、whisper.cpp で使用するためのGGML形式の4ビット、5ビット、8ビット量子化バージョンのモデルと、CTranslate2 で使用するための8ビット量子化バージョンのモデルも提供しています。

📚 ドキュメント

学習

ファインチューニングは、Hugging Face Transformersライブラリを使用し、修正された seq2seqスクリプト を用いて行われました。

評価

ラトビア語Common Voice 19.0テストセットは こちら で入手できます。 LATE-Media 1.0テストセットは こちら で入手できます。

引用

このモデルを研究で使用する場合は、以下の論文を引用してください。

@inproceedings{dargis-etal-2024-balsutalka-lv,
  author = {Dargis, Roberts and Znotins, Arturs and Auzina, Ilze and Saulite, Baiba and Reinsone, Sanita and Dejus, Raivis and Klavinska, Antra and Gruzitis, Normunds},
  title = {{BalsuTalka.lv - Boosting the Common Voice Corpus for Low-Resource Languages}},
  booktitle = {Proceedings of the Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING)},
  publisher = {ELRA and ICCL},
  year = {2024},
  pages = {2080--2085},
  url = {https://aclanthology.org/2024.lrec-main.187}
}

謝辞

この研究は、EU回復・レジリエンス基金プロジェクト 言語技術イニシアチブ (2.3.1.1.i.0/1/22/I/CFLA/002) と、国家研究プログラムプロジェクト LATE (VPP-LETONIKA-2021/1-0006) の相乗効果によって支援されています。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。