Whisper Large V3 Turbo Common Voice 19 0 Zh TW

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

本模型是基于transformers库微调的语音识别模型，在繁体中文（台湾）自动语音识别任务上表现出色，能有效将语音转换为文字。

🚀 快速开始

本模型是 openai/whisper-large-v3-turbo 在 JacobLinCool/common_voice_19_0_zh-TW 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失率（Loss）：0.1786
• 词错误率（Wer）：32.5554
• 字符错误率（Cer）：8.6009
• 解码运行时间（Decode Runtime）：90.9833
• 词错误率运行时间（Wer Runtime）：0.1257
• 字符错误率运行时间（Cer Runtime）：0.1534

✨ 主要特性

• 开源易用：这是一个开源的繁体中文（台湾）自动语音识别（ASR）模型，遵循 MIT 许可证，可免费使用。
• 特定语言适配：专为繁体中文设计的免提示 ASR 模型。不过，由于继承了 Whisper 的语言识别（LID）系统，在处理简体中文时性能可能会下降。

📚 详细文档

模型描述

这是一个开源的繁体中文（台湾）自动语音识别（ASR）模型。

预期用途与限制

本模型旨在成为一个免提示的繁体中文 ASR 模型。由于它继承了 Whisper 的语言识别（LID）系统，该系统在同一语言标记（zh）下支持其他中文语言变体，因此我们预计在转录简体中文时性能可能会下降。

该模型在 MIT 许可证下可免费使用。

训练和评估数据

本模型在 Common Voice Corpus 19.0 Chinese (Taiwan) Subset 上进行训练，该数据集包含约 50k 个训练示例（44 小时）和 5k 个测试示例（5 小时）。这个数据集比 mozilla-foundation/common_voice_16_1 的训练集和验证集（train+validation）的组合大四倍，后者包含约 12k 个示例。

训练过程

Tensorboard

训练超参数

训练期间使用了以下超参数：

• 学习率（learning_rate）：0.0002
• 训练批次大小（train_batch_size）：4
• 评估批次大小（eval_batch_size）：32
• 随机种子（seed）：42
• 梯度累积步数（gradient_accumulation_steps）：8
• 总训练批次大小（total_train_batch_size）：32
• 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（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）：5000

训练结果

框架版本

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

📄 许可证

本模型遵循 MIT 许可证。