|
--- |
|
language: |
|
- ro |
|
license: apache-2.0 |
|
base_model: openai/whisper-small |
|
tags: |
|
- generated_from_trainer |
|
datasets: |
|
- Yehoward/iazar-date |
|
- mozilla-foundation/common_voice_11_0 |
|
metrics: |
|
- wer |
|
model-index: |
|
- name: Whisper Small Ro - Iazar |
|
results: |
|
- task: |
|
name: Automatic Speech Recognition |
|
type: automatic-speech-recognition |
|
dataset: |
|
name: Date audio colectate în cadrul proiectului TekWil |
|
type: Yehoward/iazar-date |
|
args: 'split: test' |
|
metrics: |
|
- name: Wer |
|
type: wer |
|
value: 46.265060240963855 |
|
--- |
|
|
|
<!-- This model card has been generated automatically according to the information the Trainer had access to. You |
|
should probably proofread and complete it, then remove this comment. --> |
|
|
|
# Whisper Small Ro - Iazar |
|
|
|
O adjustare a modelului [openai/whisper-small](https://huggingface.co/openai/whisper-small) pe Date audio colectate în cadrul proiectului TekWill. |
|
Obține următoarele rezultate pe setul de evaluare: |
|
- Pierdere: 0,8207 |
|
- Wer: 46.2651 |
|
|
|
## Descriere |
|
|
|
Este un model intenționat pentru transcrierea graiului Moldovenesc în text. |
|
|
|
## Datele |
|
|
|
Pentru antrenarea modelului s-au folosit atît date de la [Common Voice](https://huggingface.co/datasets/mozilla-foundation/common_voice_11_0), cît și [date colectate în cadrul proiectului](https://github.com/Yehoward/iazar-datacollector). |
|
|
|
## Performanță |
|
|
|
![audioul transcris](./pub/test-audio.mp4) |
|
|
|
Am făcut niște testări pe mai multe modele, ca să observăm dacă există un oarecare progres. |
|
|
|
|
|
![whisper small ro](./pub/evaluare-whisper-small.png) |
|
Transcriere de către modelul preantrenat de la Whisper. |
|
|
|
![whisper small ro](./pub/evaluare-common-voice.png) |
|
Transcriere de către modelul antrenat numai cu date de la Common Voice. |
|
|
|
![whisper small ro](./pub/evaluare-iazar.png) |
|
Transcriere de către modelul antrenat numai cu datele colectate în cadrul proiectului. |
|
|
|
![whisper small ro](./pub/evaluare-common-voice-iazar.png) |
|
Transcrierea de către modelul antrenat atît cu date de la Common Voice, cît și cu date colectate în cadrul proiectului. |
|
|
|
|
|
|
|
|
|
|
|
|
|
## Procedura de antrenament |
|
|
|
### Codul de antrenare |
|
|
|
Am folosit google colab pentru antrenarea modelului. |
|
|
|
mai multe detalii -> https://github.com/Yehoward/Iazar?tab=readme-ov-file#code_de_antrenare_iazaripynb |
|
|
|
### Hiperparametri de antrenament |
|
|
|
Următorii hiperparametri au fost utilizați în timpul antrenamentului: |
|
- learning_rate: 1e-05 |
|
- train_batch_size: 16 |
|
- eval_batch_size: 8 |
|
- seed: 42 |
|
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 |
|
- lr_scheduler_type: linear |
|
- lr_scheduler_warmup_steps: 50 |
|
- training_steps: 200 |
|
- mixed_precision_training: Native AMP |
|
|
|
### Rezultate antrenament |
|
|
|
| Pierdere la antrenament | Epocă | Pasul | Pierdere de validare | Rata de erori a cuvintelor | |
|
|:-------------:|:-------:|:----:|:---------------:|:-------:| |
|
| 0.0005 | 66.6667 | 200 | 0.8207 | 46.2651 | |
|
|
|
|
|
### Versiuni cadre |
|
|
|
- Transformers 4.40.1 |
|
- Pytorch 2.2.1+cu121 |
|
- Datasets 2.19.0 |
|
- Tokenizers 0.19.1 |