模型:

vasista22/whisper-hindi-medium

英文

Whisper Hindi Medium

这个模型是基于公开可用的多个ASR数据集对 openai/whisper-medium 进行微调的版本。它是作为Whisper微调的一部分进行的微调。

注意:训练该模型所使用的代码可在 whisper-finetune 存储库中重新使用。

用法

若要在整个数据集上评估此模型,可以使用 whisper-finetune 存储库中提供的评估代码。

同一存储库还提供了使用whisper-jax进行更快推理的脚本。

若要使用此模型对单个音频文件进行推理,可以使用以下代码片段:

>>> 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-hindi-medium", chunk_length_s=30, device=device)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="hi", task="transcribe")

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

若要更快地推理whisper模型,可以使用 whisper-jax 库。在使用以下代码片段之前,请按照 here 中提到的必要安装步骤进行安装:

>>> 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-hindi-medium", batch_size=16)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="hi", task="transcribe")

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

训练和评估数据

训练数据:

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:1e-05
  • 训练批大小:24
  • 评估批大小:48
  • 种子:22
  • 优化器:adamw_bnb_8bit
  • lr_scheduler类型:线性
  • lr_scheduler_warmup_steps:20000
  • 训练步数:38754(最初设置为129180步)
  • 混合精度训练:True

致谢

这项工作是在 Speech Lab, IIT Madras 进行的。

本工作的计算资源由印度电子和信息技术部(MeitY)的"Bhashini:国家语言翻译使命"项目资助。