Whisper Large V3 German

🚀 whisper-large-v3-german 語音識別模型

本模型基於 Whisper Large v3 進行微調，專為德語語音識別而設計。Whisper 是 OpenAI 開發的強大語音識別平臺，此模型經過特別優化，能高效處理和識別德語語音。

🚀 快速開始

代碼示例

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from datasets import load_dataset
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "primeline/whisper-large-v3-german"
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,
    return_timestamps=True,
    torch_dtype=torch_dtype,
    device=device,
)
dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
sample = dataset[0]["audio"]
result = pipe(sample)
print(result["text"])

✨ 主要特性

• 精準識別：針對德語語音進行了優化，在 Common Voice de 數據集上，測試 WER 為 3.002 %，測試 CER 為 0.81 %，能實現高精度的語音識別。
• 廣泛應用：可用於多種應用場景，如德語語音轉錄、語音命令和控制、德語視頻自動字幕、德語語音搜索查詢以及文字處理程序中的聽寫功能等。

📦 模型信息

模型詳情

模型家族

🔧 技術細節

訓練數據

本模型的訓練數據包含大量來自不同來源的德語語音。這些數據經過精心挑選和處理，以優化識別性能。

訓練過程

模型訓練使用了以下超參數：

• 批量大小：1024
• 訓練輪數：2
• 學習率：1e-5
• 數據增強：無

📄 許可證

本模型採用 Apache-2.0 許可證。

👨‍💻 關於我們

我們是德國 AI 基礎設施的合作伙伴，提供強大的 AI 基礎設施，助力您在深度學習、機器學習和高性能計算領域實現目標。我們的基礎設施針對 AI 訓練和推理進行了優化。

模型作者：Florian Zimmermeister

免責聲明

本模型並非 primeLine Group 的產品。

它是 [Florian Zimmermeister](https://huggingface.co/flozi00) 開展的研究成果，計算資源由 primeLine 贊助。

該模型由 primeLine 在本賬戶下發布，但並非 primeLine Solutions GmbH 的商業產品。

請注意，儘管我們已盡最大努力測試和開發此模型，但仍可能出現錯誤。

使用此模型需自行承擔風險。我們不對該模型產生的任何錯誤輸出承擔責任。