Whisper Medium Tr

🚀 Whisper Medium Turkish

このモデルは、openai/whisper-medium を mozilla-foundation/common_voice_11_0 トルコ語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: 0.1879
• 単語誤り率 (Wer): 10.5033

✨ 主な機能

このモデルは、自動音声認識タスクに特化しており、トルコ語の音声を高精度に認識することができます。ファインチューニングにより、ゼロショットの場合と比較して大幅な精度向上が見られます。

📚 ドキュメント

モデルの説明

このモデルは1000ステップ/アップデートでファインチューニングされています。

• ゼロショット - 20.89 (CV11)
• CV11でファインチューニング - 10.50 (CV11) (-49%)

• ゼロショット - 10.4 (Google Fluers)
• CV11でファインチューニング - 9.26 (Google Fluers)

想定される用途と制限

詳細情報は後日提供予定です。

学習と評価データ

詳細情報は後日提供予定です。

学習手順

学習ハイパーパラメータ

学習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
• 学習バッチサイズ (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 (gradient_accumulation_steps): 2
• 総学習バッチサイズ (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種類 (lr_scheduler_type): 線形
• 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
• 学習ステップ数 (training_steps): 1000
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

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。