Whisper Large V2 Cantonese

🚀 Whisper Large V2 - 粵語 - 增強版

本模型是 openai/whisper-large-v2 在 mozilla-foundation/common_voice_11_0 數據集上的微調版本。它在評估集上取得了以下成果：

• 損失率：0.1828
• 字符錯誤率（CER）：6.2133

🚀 快速開始

此模型為在特定數據集上微調的版本，若要使用，可參考原模型 openai/whisper-large-v2 的使用方式進行操作。

✨ 主要特性

• 基於 openai/whisper-large-v2 進行微調，在粵語語音識別任務上有特定表現。
• 訓練過程中使用 audiomentations 對數據集進行即時增強。

📚 詳細文檔

模型描述

該模型是 openai/whisper-large-v2 在粵語語音數據集上的微調版本，用於粵語的自動語音識別任務。

預期用途與限制

目前文檔未提供詳細的預期用途與限制說明。

訓練和評估數據

• 訓練數據：mozilla-foundation/common_voice_11_0 （訓練集 + 驗證集）
• 評估數據：mozilla-foundation/common_voice_11_0 （測試集）

訓練過程

使用 audiomentations 通過 PitchShift 和 TimeStretch 變換在 p = 0.3 時對數據集進行即時增強。

訓練超參數

以下是訓練過程中使用的超參數：

• 學習率：1e - 05
• 訓練批次大小：8
• 評估批次大小：4
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：32
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 學習率調度器類型：線性
• 學習率調度器熱身步數：100
• 訓練步數：1000
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.26.0.dev0
• Pytorch 1.13.1+cu117
• Datasets 2.8.1.dev0
• Tokenizers 0.13.2

📄 許可證

本模型採用 Apache-2.0 許可證。

📦 模型信息