whisper-base-ar-quranオープンソース音声認識モデル - 無料でアラビア語のコーラン内容を文字起こしできます

Whisper Base Ar Quran

tarteel-aiによって開発

このモデルはopenai/whisper-baseをアラビア語コーランデータセットでファインチューニングした音声認識モデルで、アラビア語コーラン内容の書き起こしに特化しています。

ダウンロード数 4,779

リリース時間 : 12/8/2022

モデル概要

whisper-base-ar-quranはWhisperアーキテクチャに基づく音声認識モデルで、アラビア語コーラン内容に特化して最適化されています。コーランのアラビア語音声を正確にテキストに変換できます。

コーラン専用最適化

アラビア語コーラン内容に特化して最適化されており、宗教用語やコーラン特有の発音の認識精度が向上しています

低単語誤り率

評価データセットで5.7544の単語誤り率(WER)を達成し、優れた性能を示しています

マルチGPUトレーニング

8つのGPUを使用した分散トレーニングにより、トレーニング効率が向上しています

アラビア語音声認識

コーラン内容の書き起こし

リアルタイム音声テキスト変換

宗教アプリケーション

コーラン学習支援

学習者が音声入力で素早くコーランテキストを取得するのを支援

5.75%の単語誤り率により高い書き起こし精度を保証

宗教コンテンツのデジタル化

コーラン朗読録音を自動的にデジタルテキストに変換

教育アプリケーション

アラビア語学習ツール

アラビア語学習者が発音の正確性を確認するのを支援

このモデルは、openai/whisper-base 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。

詳細情報は後日追加予定です。

詳細情報は後日追加予定です。

詳細情報は後日追加予定です。

学習中に使用されたハイパーパラメータは以下の通りです。

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
0.1092	0.05	250	0.1969	13.3890
0.0361	0.1	500	0.1583	10.6375
0.0192	0.15	750	0.1109	8.8468
0.0144	0.2	1000	0.1157	7.9754
0.008	0.25	1250	0.1000	7.5360
0.0048	1.03	1500	0.0933	6.8227
0.0113	1.08	1750	0.0955	6.9638
0.0209	1.13	2000	0.0824	6.3586
0.0043	1.18	2250	0.0830	6.3444
0.002	1.23	2500	0.1015	6.3025
0.0013	2.01	2750	0.0863	6.0639
0.0014	2.06	3000	0.0905	6.0213
0.0018	2.11	3250	0.0864	6.0293
0.0008	2.16	3500	0.0887	5.9308
0.0029	2.21	3750	0.0777	5.9159
0.0022	2.26	4000	0.0847	5.8749
0.0005	3.05	4250	0.0827	5.8352
0.0003	3.1	4500	0.0826	5.7800
0.0006	3.15	4750	0.0833	5.7625
0.0003	3.2	5000	0.0839	5.7544