Whisper Large V3 Taiwanese Hakka

🚀 臺灣客家語微調版Whisper-large-v3模型卡

這個模型是臺灣客家語版 openai/whisper-large-v3 的微調版本。在訓練過程中，它使用了每種方言的ID作為提示，以實驗在使用多種方言對Whisper進行微調時添加提示是否會帶來更好的效果。

📚 詳細文檔

方言與ID

• 四縣: htia_sixian
• 海陸: htia_hailu
• 大埔: htia_dapu
• 饒平: htia_raoping
• 詔安: htia_zhaoan
• 南四縣: htia_nansixian

訓練過程

模型訓練使用了以下超參數：

• 批量大小：32
• 訓練輪數：3
• 熱身步數：50
• 總步數：42549
• 學習率：7e - 5
• 數據增強：無

💻 使用示例

基礎用法

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 = "formospeech/whisper-large-v3-taiwanese-hakka"
dialect_id = "htia_sixian"
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,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    torch_dtype=torch_dtype,
    device=device,
)
generate_kwargs = {"language": "Chinese", "prompt_ids": torch.from_numpy(processor.get_prompt_ids(dialect_id)).to(device)}
transcription = pipe("path/to/my_audio.wav", generate_kwargs=generate_kwargs)
print(transcription.replace(f" {dialect_id}", ""))

📄 許可證

本模型採用CC - BY - NC - 4.0許可證。