Whisper Large V3 Japanese 4k Steps

🚀 whisper-large-v3-japanese-4k-steps

本模型是 openai/whisper-large-v3 在 Common Voice 16.1 數據集上的微調版本。參考了 Sanchit Gandhi 的文章，鏈接為 https://huggingface.co/blog/fine-tune-whisper。使用 Google Colab 的 A100 顯卡，在 Common Voice 16.1 數據集上完成 4000 步訓練耗時 24 小時。訓練損失隨訓練輪次下降，但驗證損失上升，出現了典型的過擬合現象，此外，字錯率（WER）也有所上升。該模型在評估集上取得了以下結果：

• 損失：0.4057
• 字錯率（WER）：18.2149

✨ 主要特性

• 基於 openai/whisper-large-v3 模型進行微調。
• 在 Common Voice 16.1 數據集上進行訓練。

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

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：4
• 評估批次大小：8
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：16
• 優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 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：4000
• 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 4.35.2
• Pytorch 2.1.0+cu121
• Datasets 2.17.0
• Tokenizers 0.15.2

📄 許可證

本模型採用 Apache-2.0 許可證。

📦 模型信息