Voice Clone Large Finetune Final

🚀 voice-clone-large-finetune-final

このモデルは、不明なデータセットでopenai/whisper-large-v3を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: 0.4377
• 単語誤り率 (Wer): 15.3572

📚 詳細ドキュメント

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
• トレーニングバッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• シード (seed): 42
• 勾配累積ステップ (gradient_accumulation_steps): 2
• 総トレーニングバッチサイズ (total_train_batch_size): 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): 線形 (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): 500
• トレーニングステップ (training_steps): 5000
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークバージョン

• Transformers 4.45.2
• Pytorch 2.5.1+cu124
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で提供されています。