Whisper Large V2 Hi V3

🚀 Whisper Large-v2 Hindi

本模型是 openai/whisper-large-v2 在 mozilla-foundation/common_voice_11_0 hi 數據集上的微調版本。它在評估集上取得了以下成果，具備高精度的語音識別能力，為印地語語音處理提供了有效的解決方案。

🚀 快速開始

此部分暫未提供具體的快速開始內容，若有相關信息可進一步補充。

✨ 主要特性

• 基於 openai/whisper-large-v2 進行微調，繼承了強大的語音識別能力。
• 在 mozilla-foundation/common_voice_11_0 hi 數據集上進行訓練，對印地語語音有較好的識別效果。
• 在評估集上有明確的損失和字錯誤率（Wer）指標，可衡量模型性能。

📦 安裝指南

此部分暫未提供具體的安裝步驟，若有相關信息可進一步補充。

💻 使用示例

此部分暫未提供代碼示例，若有相關信息可進一步補充。

📚 詳細文檔

模型評估結果

該模型在評估集上取得了以下結果：

• 損失（Loss）: 0.3191
• 字錯誤率（Wer）: 11.3039

模型信息

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（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
• 梯度累積步數（gradient_accumulation_steps）: 2
• 總訓練批次大小（total_train_batch_size）: 64
• 優化器（optimizer）: Adam（betas=(0.9,0.999)，epsilon=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）: 50
• 訓練步數（training_steps）: 1000

訓練結果

框架版本

• Transformers 4.26.0.dev0
• Pytorch 1.13.0+cu117
• Datasets 2.7.1.dev0
• Tokenizers 0.13.2

📄 許可證

本項目採用 Apache-2.0 許可證。