Whisper Tamil Small

🚀 泰米尔语小型Whisper模型

本模型是基于多种公开可用的自动语音识别（ASR）语料库中的泰米尔语数据，对 openai/whisper-small 模型进行微调后的版本。它是Whisper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

本模型可用于对整个数据集进行评估，评估代码可在 whisper-finetune 仓库中找到。该仓库还提供了使用 whisper-jax 进行快速推理的脚本。

✨ 主要特性

• 基于公开的泰米尔语ASR语料库对 openai/whisper-small 模型进行微调。
• 提供了评估代码和快速推理脚本，方便使用。

📦 安装指南

使用本模型前，请确保已完成必要的依赖安装。具体安装步骤可参考 whisper-finetune 仓库。

💻 使用示例

基础用法

若要使用本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

>>> # path to the audio file to be transcribed
>>> audio = "/path/to/audio.format"
>>> device = "cuda:0" if torch.cuda.is_available() else "cpu"

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

>>> print('Transcription: ', transcribe(audio)["text"])

高级用法

若要使用 whisper-jax 库进行快速推理，请先按照 此处 提到的步骤完成必要的安装，然后使用以下代码片段：

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

>>> # path to the audio file to be transcribed
>>> audio = "/path/to/audio.format"

>>> transcribe = FlaxWhisperPipline("vasista22/whisper-tamil-small", batch_size=16)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="ta", task="transcribe")

>>> print('Transcription: ', transcribe(audio)["text"])

📚 详细文档

训练和评估数据

训练超参数

训练过程中使用了以下超参数：

• 学习率：1.7e - 05
• 训练批次大小：48
• 评估批次大小：32
• 随机种子：22
• 优化器：adamw_bnb_8bit
• 学习率调度器类型：线性
• 学习率调度器热身步数：17500
• 训练步数：29659（初始设置为84740步）
• 混合精度训练：是

🔧 技术细节

本模型是在多个公开可用的泰米尔语ASR语料库上对 openai/whisper-small 模型进行微调得到的。微调过程中使用了特定的超参数设置，以提高模型在泰米尔语语音识别任务上的性能。

📄 许可证

本模型采用 Apache - 2.0 许可证。

致谢

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