Vi Whisper Large V3 Turbo V1

🚀 用于越南语自动语音识别的微调版Whisper-V3-Turbo

本项目对Whisper-V3-Turbo模型进行微调，以提升其在越南语自动语音识别（ASR）任务中的性能。该模型使用单张Nvidia A6000 GPU进行了240小时的训练。

🚀 快速开始

要使用微调后的模型，请按照以下步骤操作：

基础用法

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline

device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

model_id = "suzii/vi-whisper-large-v3-turbo-v1"

model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)

processor = AutoProcessor.from_pretrained(model_id)

pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    torch_dtype=torch_dtype,
    device=device,
)
result = pipe("your-audio.mp3", return_timestamps=True)

✨ 主要特性

本项目将Whisper-V3-Turbo模型针对越南语自动语音识别任务进行了微调，有效提升了该模型在越南语语音识别方面的性能。

📦 安装指南

文档中未提及具体安装步骤，故跳过此章节。

📚 详细文档

数据来源

训练数据来自多个越南语语音语料库。以下是用于训练的数据集列表：

1. capleaf/viVoice
2. NhutP/VSV-1100
3. doof-ferb/fpt_fosd
4. doof-ferb/infore1_25hours
5. google/fleurs (vi_vn)
6. doof-ferb/LSVSC
7. quocanh34/viet_vlsp
8. linhtran92/viet_youtube_asr_corpus_v2
9. doof-ferb/infore2_audiobooks
10. linhtran92/viet_bud500

模型

本项目使用的模型是Whisper-V3-Turbo。Whisper是一个在大规模多样化数据集上训练的多语言自动语音识别模型。本项目使用的版本是专门针对越南语进行微调的。

训练配置

• 使用的GPU：Nvidia A6000
• 训练时间：240小时
• Wandb报告

致谢

如果没有以下数据集，本项目将无法完成：

• capleaf/viVoice
• NhutP/VSV-1100
• doof-ferb/fpt_fosd
• doof-ferb/infore1_25hours
• google/fleurs
• doof-ferb/LSVSC
• quocanh34/viet_vlsp
• linhtran92/viet_youtube_asr_corpus_v2
• doof-ferb/infore2_audiobooks
• linhtran92/viet_bud500

🔧 技术细节

文档中未提供具体技术细节，故跳过此章节。

📄 许可证

文档中未提及许可证信息，故跳过此章节。