Whisper Large V2 Ko

🚀 whisper-large-v2-Ko

本模型是基於 openai/whisper-large-v2 在特定數據集上微調的版本，可用於自動語音識別任務，在評估集上取得了較好的效果。

🚀 快速開始

本模型是 openai/whisper-large-v2 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：0.0617
• 字錯率（Wer）：2.9

📚 詳細文檔

模型信息

評估結果

訓練過程

訓練指標

• 訓練輪數（epoch）：50.0
• 訓練損失（train_loss）：0.0234
• 訓練總時長（train_runtime）：16:20:18.00
• 訓練樣本數（train_samples）：22262
• 每秒訓練樣本數（train_samples_per_second）：19.042
• 每秒訓練步數（train_steps_per_second）：0.085

訓練超參數

• 學習率（learning_rate）：1e-05
• 訓練批次大小（train_batch_size）：32
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：42
• 分佈式類型（distributed_type）：多GPU
• 設備數量（num_devices）：7
• 總訓練批次大小（total_train_batch_size）：224
• 總評估批次大小（total_eval_batch_size）：112
• 優化器（optimizer）：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型（lr_scheduler_type）：線性
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：500
• 訓練步數（training_steps）：5000
• 混合精度訓練（mixed_precision_training）：原生自動混合精度（Native AMP）

訓練結果

框架版本

• Transformers：4.27.0.dev0
• Pytorch：1.12.1+cu113
• Datasets：2.10.1
• Tokenizers：0.13.2

📄 許可證

本模型採用Apache-2.0許可證。