Whisper Medium.en Fine Tuned For ATC Faster Whisper

🚀 航空交通管制（ATC）用に微調整されたWhisper Medium EN - Faster-Whisper最適化

このモデルは、OpenAIのWhisper Medium ENモデルを微調整したもので、航空交通管制（ATC） の通信データセットを使用して特別に学習されています。微調整により、特定ドメインの航空通信における文字起こしの精度が大幅に向上し、元の事前学習モデルと比較して単語誤り率（WER）が84％低下します。このモデルは、ATC通信でよく見られるアクセントの違いや曖昧な表現を扱うのに特に有効です。

このモデルは最適化された.bin形式に変換されており、Faster-Whisperと互換性があり、より高速かつ効率的な推論が可能です。

微調整されたモデルには、Hugging Faceでアクセスできます。

• 航空交通管制用に微調整されたWhisper Medium EN
• 航空交通管制用に微調整されたWhisper Medium EN (Faster Whisper)

📚 ドキュメント

モデルの説明

航空交通管制用に微調整されたWhisper Medium ENは、パイロットと航空交通管制官の間の短く明確な通信を扱うように最適化されています。このモデルは、ATCデータセット を使用して微調整されており、このデータセットは以下のソースからのデータを組み合わせてクリーニングしたものです。

• ATCO2コーパス (1時間のテストサブセット)
• UWB-ATCCコーパス

ATCデータセット はこれら2つの元のソースを統合し、データをフィルタリングおよび改良して、特定ドメインのATC通信の文字起こし精度を向上させています。このモデルはさらにFaster-Whisperと互換性のある.bin形式に最適化されており、より高速かつ効率的な処理が可能です。

想定される用途

微調整されたWhisperモデルは、以下の用途に設計されています。

• 航空通信の文字起こし：ATC通信の正確な文字起こしを提供し、アクセントや英語の表現の違いに対応します。
• 航空交通管制システム：パイロットとATCの会話のリアルタイム文字起こしを支援し、状況認識を向上させます。
• 研究とトレーニング：ATC通信を研究したり、航空安全のための新しいツールを開発したりする研究者、開発者、または航空関係者に役立ちます。

ATC文字起こしアシスタントを使用して、オンラインでモデルをテストすることができます。このアシスタントでは、音声ファイルをアップロードして文字起こしを生成することができます。

学習手順

• ハードウェア：微調整は、80GBメモリの2つのA100 GPUで行われました。
• エポック数：10
• 学習率：1e - 5
• バッチサイズ：32（勾配累積による有効バッチサイズ）
• データ拡張：学習中に動的なデータ拡張技術（ガウシアンノイズ、ピッチシフトなど）が適用されました。
• 評価指標：単語誤り率（WER）

制限事項

微調整されたモデルはATC固有の通信では良好な性能を発揮しますが、他の音声ドメインにはそれほど汎化できない可能性があります。また、ほとんどの音声テキスト変換モデルと同様に、文字起こしの精度は極端に低品質の音声や学習中に遭遇しなかった強いアクセントのある音声によって影響を受ける可能性があります。

参考文献

• ブログ記事：航空交通管制用にWhisperを微調整する：文字起こし精度が84％向上
• GitHubリポジトリ：ATCデータでWhisperを微調整する

📄 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。