Whisper Kannada Medium

这个模型是在多个公共可用的ASR语料库上的卡纳达语数据上经过微调的 openai/whisper-medium 模型的一个版本。它作为Whisper微调的一部分进行了微调。

注意：训练此模型所使用的代码可在 whisper-finetune 存储库中重用。

使用方法

要在整个数据集上评估此模型，可以使用在 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。

要使用此模型对单个音频文件进行推断，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-kannada-medium", chunk_length_s=30, device=device)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="kn", task="transcribe")

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

为了更快地推断whisper模型，可以使用 whisper-jax 库。请在使用以下代码片段之前按照 here 中提到的安装步骤进行 necessary 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-kannada-medium", batch_size=16)
>>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="kn", task="transcribe")

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

训练和评估数据

训练数据：

• IISc-MILE Kannada ASR Corpus
• ULCA ASR Corpus
• Shrutilipi ASR Corpus
• Google/Fleurs Train+Dev set

评估数据：

• Google/Fleurs Test Set
• IISc-MILE Test Set
• OpenSLR

训练超参数

训练过程中使用了以下超参数：

• 学习率：1e-05
• 训练批次大小：24
• 评估批次大小：48
• 种子：22
• 优化器：adamw_bnb_8bit
• lr_scheduler_type：linear
• lr_scheduler_warmup_steps：10000
• 训练步骤：13752（在收敛时终止，最初设置为51570步）
• 混合精度训练：True

致谢

此工作是在 Speech Lab, IIT Madras 完成的。

此工作的计算资源由印度政府电子和信息技术部（MeitY）的“Bhashini：国家语言翻译任务”项目资助。