懂AI
whisper-small-fa

whisper-small-fa

Whisper-small-fa模型在Common Voice数据集上的语音识别性能

Whisper-small-fa是一个基于openai/whisper-small模型在common_voice_17_0数据集上微调的版本，旨在实现高效的自动语音识别。测试集结果显示，该模型的词错误率(WER)为35.4973，体现了其在语音识别中的良好表现。模型训练中应用了Adam优化器、线性学习率调度器及混合精度技术，从而提高了训练的效率和精确度。

训练超参数TransformersHuggingfaceGithub开源项目模型模型评估数据集语音识别
Hugging Face

whisper-small-fa 项目介绍

项目概述

whisper-small-fa 是在 OpenAI 的 whisper-small 模型基础上进行微调后的版本，该微调模型训练使用了 Common Voice 第17版数据集中的波斯语数据 (fa 配置)。在模型的评估测试集中，whisper-small-fa 模型取得了 35.4973 的词错误率 (WER)。该模型适用于自动语音识别任务，能够从音频中转换和识别语音内容。

数据集和评估指标

数据集

whisper-small-fa 所采用的数据集为 Common Voice Version 17.0，语言为波斯语，数据集类型为 common_voice_17_0。模型的性能通过在测试集上的表现进行评估。

评估指标

该项目使用词错误率(WER)作为主要的评估指标。WER 值为 35.4973，这意味着模型在识别测试集中词的错误率为约35.5%。

模型训练

训练超参数

在训练模型的过程中，使用了一下超参数：

  • 学习率 (learning_rate): 1e-05
  • 训练批次大小 (train_batch_size): 16
  • 验证批次大小 (eval_batch_size): 16
  • 随机种子 (seed): 42
  • 优化器 (optimizer): Adam，参数为 betas=(0.9,0.999)，epsilon=1e-08
  • 学习率调度器类型 (lr_scheduler_type): 线性
  • 学习率预热步数 (lr_scheduler_warmup_steps): 500
  • 训练步骤 (training_steps): 100000
  • 混合精度训练 (mixed_precision_training): Native AMP

训练结果

训练过程中，模型在不同训练步数下的损失和词错误率 (WER) 变化情况如下表所示：

训练损失训练轮次训练步数验证损失WER
0.01938.1103200000.534936.7125
0.004616.2206400000.683936.0033
0.001824.3309600000.793636.2543
0.000332.4412800000.872935.9406
0.040.55151000000.925835.4973

使用框架版本

  • Transformers 版本：4.45.1
  • Pytorch 版本：2.4.1+cu121
  • Datasets 版本：3.0.1
  • Tokenizers 版本：0.20.0

该项目虽然取得了一定的效果，但由于打分偏高，后续可能需要更多的优化和改进工作。此外，相较于实际应用场景，模型性能需要进一步提升。在使用模型时，请对其局限性保持清醒的认识。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多