Whisper Large V2 Hi V3

🚀 Whisper Large-v2 Hindi

このモデルは、openai/whisper-large-v2 を mozilla-foundation/common_voice_11_0 hi 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: 0.3191
• 単語誤り率 (Wer): 11.3039

🚀 クイックスタート

このモデルは、ヒンディー語の自動音声認識タスクに最適化されています。Hugging Faceのライブラリを使用して簡単に利用できます。

📦 インストール

このモデルを使用するには、Hugging Faceの transformers ライブラリをインストールする必要があります。

pip install transformers

📚 ドキュメント

モデルの詳細

このモデルは、Whisper Large-v2 をヒンディー語の音声データでファインチューニングしたものです。

想定される用途と制限

想定される用途や制限に関する詳細情報は、今後の更新で提供される予定です。

トレーニングと評価データ

トレーニングと評価に使用されたデータに関する詳細情報は、今後の更新で提供される予定です。

トレーニング手順

トレーニングハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは以下の通りです。

• 学習率 (learning_rate): 1e-05
• トレーニングバッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 16
• シード (seed): 42
• 分散タイプ (distributed_type): multi-GPU
• 勾配蓄積ステップ (gradient_accumulation_steps): 2
• 総トレーニングバッチサイズ (total_train_batch_size): 64
• 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タイプ (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 (lr_scheduler_warmup_steps): 50
• トレーニングステップ (training_steps): 1000

トレーニング結果

フレームワークのバージョン

• Transformers 4.26.0.dev0
• Pytorch 1.13.0+cu117
• Datasets 2.7.1.dev0
• Tokenizers 0.13.2

📄 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。