Whisper Small Sinhala V3

🚀 Whisper Small sinhala v3 - Lingalingeswaran

本模型是基于 openai/whisper-small 在 Lingalingeswaran/asr-sinhala-dataset_json_v1 数据集上进行微调的版本。它在评估集上取得了以下成果：

• 损失值：0.2086
• 词错误率（Wer）：46.4577

🚀 快速开始

本模型是在 Lingalingeswaran/asr-sinhala-dataset_json_v1 数据集上对 openai/whisper-small 进行微调得到的。以下是它在评估集上的表现：

• 损失值：0.2086
• 词错误率（Wer）：46.4577

💻 使用示例

基础用法

以下是使用 Gradio 调用该模型进行僧伽罗语语音识别的示例代码：

import gradio as gr
from transformers import pipeline

# Initialize the pipeline with the specified model
pipe = pipeline(model="Lingalingeswaran/whisper-small-sinhala_v3")

def transcribe(audio):
    # Transcribe the audio file to text
    text = pipe(audio)["text"]
    return text

# Create the Gradio interface

iface = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=["microphone", "upload"], type="filepath"),
    outputs="text",
    title="Whisper Small Sinhala",
    description="Realtime demo for Sinhala speech recognition using a fine-tuned Whisper small model.",
)

# Launch the interface
if __name__ == "__main__":
    iface.launch()

📚 详细文档

模型描述

更多信息待补充。

预期用途和限制

更多信息待补充。

训练和评估数据

更多信息待补充。

🔧 技术细节

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：1e-05
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：使用 OptimizerNames.ADAMW_TORCH，β值为(0.9, 0.999)，ε值为 1e-08，无额外优化器参数
• 学习率调度器类型：线性
• 学习率调度器热身步数：500
• 训练步数：3000
• 混合精度训练：原生自动混合精度（Native AMP）

训练结果

框架版本

• Transformers 4.48.1
• Pytorch 2.5.1+cu121
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 许可证

本项目采用 Apache-2.0 许可证。