Hamsa V0.1 Beta

🚀 Hamsa-v0.1-beta

Hamsaは、アラビア語の音声認識分野における高度な進歩を表しています。この事前学習された自動音声認識（ASR）モデルは、Whisperモデルをベースに構築されており、NADSOFTがアラビア語のAI成果の基準を引き上げる取り組みを象徴しています。この貢献は、中東・北アフリカ（MENA）地域や広いアラブ世界にとって特に重要で、これらの地域の固有の言語的ニュアンスに対応し、特定のニーズに応えることを目指しています。

🚀 クイックスタート

このドキュメントでは、Hamsa-v0.1-betaモデルの詳細な情報を提供します。このモデルはアラビア語の音声認識に特化しており、その特徴、使用目的、制限事項、トレーニングデータ、トレーニング手順などについて説明します。

✨ 主な機能

• アラビア語の自動音声認識を行うことができます。
• Whisperモデルをベースに構築されており、高度な音声認識能力を備えています。
• 中東・北アフリカ地域やアラブ世界の言語的ニュアンスに対応しています。

📚 ドキュメント

モデルの説明

Hamsa (همسة) は、アラビア語の音声認識の分野における高度な進歩を表しています。これは、Whisperモデルをベースに構築された事前学習済みの自動音声認識（ASR）モデルです。Hamsaは単なる技術的な成果物ではなく、NADSOFTがアラビア語のAI成果の基準を引き上げる取り組みの証です。この貢献は、中東・北アフリカ（MENA）地域や広いアラブ世界にとって特に重要で、これらの地域の固有の言語的ニュアンスに対応し、特定のニーズに応えることを目指しています。

想定される使用目的と制限事項

Hamsaはまだ開発中のモデルであり、その制限事項を認識しておくことが重要です。たとえば、このモデルは、モロッコアラビア語のような非常に強いアクセントを持つ話者のテキストを正確に文字起こしできない場合があります。また、ノイズの多い録音からのテキストの文字起こしにも苦労する可能性があります。

Hamsaは完璧なモデルではなく、法的、医療、またはその他の機密性の高い文脈で使用することを意図したテキストを生成するために使用すべきではないことに注意してください。

トレーニングと評価データ

• nadsoft/Jordan-Audio
• google/fleurs
• mozilla-foundation/common_voice_11_0

WER = 18.22

トレーニング手順

トレーニングハイパーパラメータ

• learning_rate: 1e-05
• train_batch_size: 32
• eval_batch_size: 16
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 500
• training_steps: 10000 then 4000 for NADSOFT data
• mixed_precision_training: Native AMP

📄 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。