Belle Whisper Large V3 Turbo Zh

🚀 Belle-whisper-large-v3-turbo-zh

Whisper-large-v3-turbo-zhをファインチューニングし、中国語の音声認識能力を向上させたモデルです。

🚀 クイックスタート

このモデルが役に立った場合は、モデルを「いいね」し、GitHubリポジトリ と Whisper-Finetune でスターをつけてください。

✨ 主な機能

Belle-whisper-large-v3-turbo-zhは、AISHELL1、AISHELL2、WENETSPEECH、HKUSTなどの中国語ASRベンチマークで、whisper-large-v3-turboに比べて**24 - 64%**の相対的な性能向上を示しています。 Belle-whisper-large-v3-zh-punctと同様に、句読点はモデル から取得され、トレーニングデータセットに追加されています。

📦 インストール

本モデルのインストールに関する具体的な手順はREADMEに記載されていません。

💻 使用例

基本的な使用法

from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="BELLE-2/Belle-whisper-large-v3-turbo-zh"
)

transcriber.model.config.forced_decoder_ids = (
  transcriber.tokenizer.get_decoder_prompt_ids(
    language="zh", 
    task="transcribe"
  )
)

transcription = transcriber("my_audio.wav") 

📚 ドキュメント

ファインチューニング

独自のデータセットでモデルをファインチューニングする場合は、GitHubリポジトリ を参照してください。

文字誤り率 (CER)

whisper-large-v3およびwhisper-large-v3-turboと比較して、Belle-whisper-large-v3-turbo-zhは大幅な性能向上を示しています。

引用

コード、データ、またはモデルを使用する場合は、以下の論文とGitHubを引用してください。

@misc{BELLE,
  author = {BELLEGroup},
  title = {BELLE: Be Everyone's Large Language model Engine},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/LianjiaTech/BELLE}},
}

📄 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。