Whisper Base Arabic

🚀 ウィスパー ベース アラビア語

このモデルは音声認識タスクで使用され、アラビア語の音声をテキストに変換することができます。

🚀 クイックスタート

このウィスパー ベース アラビア語モデルは、アラビア語の音声をテキストに変換するためのモデルです。評価セットでは以下の結果を達成しています。

• 損失: 0.44
• 単語誤り率 (Wer): 34.7

✨ 主な機能

• アラビア語の音声を高精度にテキストに変換します。
• 特定のデータセットを用いて訓練され、アラビア語の音声認識に特化しています。

📚 ドキュメント

訓練と評価データ

訓練セット

• mozilla-foundation/common_voice_16_0 ar [train+validation]
• BelalElhossany/mgb2_audios_transcriptions_non_overlap
• nadsoft/Jordan-Audio

交差検証セット

コラボの無料枠を使用してモデルを訓練したため、訓練中の時間を節約するために3つのセットから合計600サンプルを使用しました。 注意: 適切な方法で精度を評価してください。

訓練手順

テキストからアラビア語の(حركات)を削除しました。 結合されたデータセットでモデルを6エポック訓練し、最良の結果が5エポック目で得られたため、基本的には5エポック目のモデルを使用しています。

訓練ハイパーパラメータ

訓練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
• 訓練バッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 16
• 乱数シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 1
• 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

訓練結果

📄 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。