Whisper Large V3 Turbo Common Voice 19 0 Zh TW

🚀 whisper-large-v3-turbo-common_voice_19_0-zh-TW

本模型是基於transformers庫微調的語音識別模型，在繁體中文（臺灣）自動語音識別任務上表現出色，能有效將語音轉換為文字。

🚀 快速開始

本模型是 openai/whisper-large-v3-turbo 在 JacobLinCool/common_voice_19_0_zh-TW 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失率（Loss）：0.1786
• 詞錯誤率（Wer）：32.5554
• 字符錯誤率（Cer）：8.6009
• 解碼運行時間（Decode Runtime）：90.9833
• 詞錯誤率運行時間（Wer Runtime）：0.1257
• 字符錯誤率運行時間（Cer Runtime）：0.1534

✨ 主要特性

• 開源易用：這是一個開源的繁體中文（臺灣）自動語音識別（ASR）模型，遵循 MIT 許可證，可免費使用。
• 特定語言適配：專為繁體中文設計的免提示 ASR 模型。不過，由於繼承了 Whisper 的語言識別（LID）系統，在處理簡體中文時性能可能會下降。

📚 詳細文檔

模型描述

這是一個開源的繁體中文（臺灣）自動語音識別（ASR）模型。

預期用途與限制

本模型旨在成為一個免提示的繁體中文 ASR 模型。由於它繼承了 Whisper 的語言識別（LID）系統，該系統在同一語言標記（zh）下支持其他中文語言變體，因此我們預計在轉錄簡體中文時性能可能會下降。

該模型在 MIT 許可證下可免費使用。

訓練和評估數據

本模型在 Common Voice Corpus 19.0 Chinese (Taiwan) Subset 上進行訓練，該數據集包含約 50k 個訓練示例（44 小時）和 5k 個測試示例（5 小時）。這個數據集比 mozilla-foundation/common_voice_16_1 的訓練集和驗證集（train+validation）的組合大四倍，後者包含約 12k 個示例。

訓練過程

Tensorboard

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：0.0002
• 訓練批次大小（train_batch_size）：4
• 評估批次大小（eval_batch_size）：32
• 隨機種子（seed）：42
• 梯度累積步數（gradient_accumulation_steps）：8
• 總訓練批次大小（total_train_batch_size）：32
• 優化器：使用 OptimizerNames.ADAMW_TORCH，β值為(0.9, 0.999)，ε值為 1e-08，無額外優化器參數
• 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）：5000

訓練結果

框架版本

• PEFT 0.13.2
• Transformers 4.46.1
• Pytorch 2.4.0
• Datasets 3.0.2
• Tokenizers 0.20.1

📄 許可證

本模型遵循 MIT 許可證。