Whisper Small Sinhala V3

🚀 Whisper Small sinhala v3 - Lingalingeswaran

本模型是基於 openai/whisper-small 在 Lingalingeswaran/asr-sinhala-dataset_json_v1 數據集上進行微調的版本。它在評估集上取得了以下成果：

• 損失值：0.2086
• 詞錯誤率（Wer）：46.4577

🚀 快速開始

本模型是在 Lingalingeswaran/asr-sinhala-dataset_json_v1 數據集上對 openai/whisper-small 進行微調得到的。以下是它在評估集上的表現：

• 損失值：0.2086
• 詞錯誤率（Wer）：46.4577

💻 使用示例

基礎用法

以下是使用 Gradio 調用該模型進行僧伽羅語語音識別的示例代碼：

import gradio as gr
from transformers import pipeline

# Initialize the pipeline with the specified model
pipe = pipeline(model="Lingalingeswaran/whisper-small-sinhala_v3")

def transcribe(audio):
    # Transcribe the audio file to text
    text = pipe(audio)["text"]
    return text

# Create the Gradio interface

iface = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=["microphone", "upload"], type="filepath"),
    outputs="text",
    title="Whisper Small Sinhala",
    description="Realtime demo for Sinhala speech recognition using a fine-tuned Whisper small model.",
)

# Launch the interface
if __name__ == "__main__":
    iface.launch()

📚 詳細文檔

模型描述

更多信息待補充。

預期用途和限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

🔧 技術細節

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：1e-05
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 優化器：使用 OptimizerNames.ADAMW_TORCH，β值為(0.9, 0.999)，ε值為 1e-08，無額外優化器參數
• 學習率調度器類型：線性
• 學習率調度器熱身步數：500
• 訓練步數：3000
• 混合精度訓練：原生自動混合精度（Native AMP）

訓練結果

框架版本

• Transformers 4.48.1
• Pytorch 2.5.1+cu121
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 許可證

本項目採用 Apache-2.0 許可證。