模型:
vasista22/whisper-tamil-medium
此模型是根据来自多个公开可用ASR语料库的泰米尔语数据的 fine-tuned 版本。 它是作为 Whisper fine-tuning sprint 的一部分进行 fine-tuned 的。
注意:用于训练此模型的代码可在 whisper-finetune 存储库中重复使用。
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。
要使用此模型推断单个音频文件,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-tamil-medium", 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"])
要更快地推断 whisper 模型,请使用 whisper-jax 库。使用前,请按照 here 提到的必要安装步骤进行设置:
>>> 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-medium", batch_size=16) >>> transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(language="ta", task="transcribe") >>> print('Transcription: ', transcribe(audio)["text"])
训练数据:
评估数据:
训练过程中使用了以下超参数:
此工作是在 Speech Lab, IIT Madras 完成的。
该工作的计算资源是由印度政府的“Bhashini:国家语言翻译计划”项目的“电子和信息技术部(MeitY)”资助的。