Whisper Telugu Medium

🚀 耳语泰卢固语中型模型

本模型是基于多个公开可用的自动语音识别（ASR）语料库中的泰卢固语数据，对 openai/whisper-medium 进行微调后的版本。它是耳语微调冲刺项目的一部分。

注意：训练此模型的代码可在 whisper-finetune 仓库中复用。

🚀 快速开始

本模型可用于泰卢固语的自动语音识别任务。你可以使用提供的代码示例进行推理和评估。

✨ 主要特性

• 基于公开的泰卢固语数据对 openai/whisper-medium 模型进行微调。
• 提供了评估代码和推理脚本，支持快速评估和推理。
• 支持使用 whisper-jax 库进行更快的推理。

📦 安装指南

若要评估此模型或进行推理，可参考 whisper-finetune 仓库中的说明进行安装。

💻 使用示例

基础用法

若要使用此模型对单个音频文件进行转录，可使用以下代码片段：

>>> import torch
>>> from transformers import pipeline

>>> # 待转录音频文件的路径
>>> audio = "/path/to/audio.format"
>>> device = "cuda:0" if torch.cuda.is_available() else "cpu"

>>> transcribe = pipeline(task="automatic-speech-recognition", model="vasista22/whisper-telugu-medium", chunk_length_s=30, device=device)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="te", task="transcribe")

>>> print('转录结果: ', transcribe(audio)["text"])

高级用法

若要对耳语模型进行更快的推理，可使用 whisper-jax 库。请按照 此处 所述的必要安装步骤操作，然后使用以下代码片段：

>>> import jax.numpy as jnp
>>> from whisper_jax import FlaxWhisperForConditionalGeneration, FlaxWhisperPipline

>>> # 待转录音频文件的路径
>>> audio = "/path/to/audio.format"

>>> transcribe = FlaxWhisperPipline("vasista22/whisper-telugu-medium", batch_size=16)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="te", task="transcribe")

>>> print('转录结果: ', transcribe(audio)["text"])

📚 详细文档

训练和评估数据

训练超参数

模型评估结果

🔧 技术细节

本模型是对 openai/whisper-medium 进行微调得到的。微调过程中使用了多个公开的泰卢固语 ASR 语料库。训练过程中采用了特定的超参数设置，如学习率、批次大小等，并使用了 8 位 AdamW 优化器和线性学习率调度器。

📄 许可证

本模型使用 Apache 2.0 许可证。

致谢

本工作在 印度理工学院马德拉斯分校语音实验室 完成。本工作的计算资源由印度电子和信息技术部（MeitY）的 “Bhashini：国家语言翻译任务” 项目资助。