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 数据集上的微调版本。它在评估集上取得了以下成果，具备高精度的语音识别能力，为印地语语音处理提供了有效的解决方案。

🚀 快速开始

此部分暂未提供具体的快速开始内容，若有相关信息可进一步补充。

✨ 主要特性

• 基于 openai/whisper-large-v2 进行微调，继承了强大的语音识别能力。
• 在 mozilla-foundation/common_voice_11_0 hi 数据集上进行训练，对印地语语音有较好的识别效果。
• 在评估集上有明确的损失和字错误率（Wer）指标，可衡量模型性能。

📦 安装指南

此部分暂未提供具体的安装步骤，若有相关信息可进一步补充。

💻 使用示例

此部分暂未提供代码示例，若有相关信息可进一步补充。

📚 详细文档

模型评估结果

该模型在评估集上取得了以下结果：

• 损失（Loss）: 0.3191
• 字错误率（Wer）: 11.3039

模型信息

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（learning_rate）: 1e-05
• 训练批次大小（train_batch_size）: 32
• 评估批次大小（eval_batch_size）: 16
• 随机种子（seed）: 42
• 分布式类型（distributed_type）: 多 GPU
• 梯度累积步数（gradient_accumulation_steps）: 2
• 总训练批次大小（total_train_batch_size）: 64
• 优化器（optimizer）: Adam（betas=(0.9,0.999)，epsilon=1e-08）
• 学习率调度器类型（lr_scheduler_type）: 线性
• 学习率调度器热身步数（lr_scheduler_warmup_steps）: 50
• 训练步数（training_steps）: 1000

训练结果

框架版本

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

📄 许可证

本项目采用 Apache-2.0 许可证。