Audiosangraha Audio To Text

🚀 AudioSangraha-Audio_to_Text

このモデルは、openai/whisper-small をNone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: 0.3071
• 単語誤り率 (Wer): 52.3227

📚 ドキュメント

モデルの概要

詳細情報は後日提供予定です。

想定される用途と制限事項

詳細情報は後日提供予定です。

学習と評価データ

詳細情報は後日提供予定です。

🔧 技術詳細

学習手順

学習ハイパーパラメータ

学習中に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): 1e-05
• 学習バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配蓄積ステップ数 (gradient_accumulation_steps): 2
• 総学習バッチサイズ (total_train_batch_size): 16
• オプティマイザ (optimizer): Adam (betas=(0.9,0.999), epsilon=1e-08)
• 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ステップ数 (lr_scheduler_warmup_steps): 500
• エポック数 (num_epochs): 10

学習結果

フレームワークのバージョン

• Transformers 4.37.2
• Pytorch 2.1.0+cu121
• Datasets 2.17.0
• Tokenizers 0.15.1

📄 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。