Audiosangraha Audio To Text

🚀 AudioSangraha-Audio_to_Text

這是一個基於微調的語音轉文本模型，在特定評估集上有一定表現，可用於音頻內容的文字轉換工作。

🚀 快速開始

此模型是 openai/whisper-small 在None數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.3071
• 字錯率（Wer）：52.3227

📚 詳細文檔

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：1e - 05
• 訓練批次大小：8
• 評估批次大小：8
• 隨機種子：42
• 梯度累積步數：2
• 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
• 訓練輪數：10

訓練結果

框架版本

• Transformers 4.37.2
• Pytorch 2.1.0+cu121
• Datasets 2.17.0
• Tokenizers 0.15.1

📄 許可證

本模型採用Apache 2.0許可證。