whisper-large-v3-german

项目简介：whisper-large-v3-german

项目背景

whisper-large-v3-german是一个基于Whisper Large v3的模型，经过特殊调优，专注于德语语音识别。Whisper由OpenAI开发，是一个强大的语音识别平台。该模型尤其适用于处理和识别德语的语音数据。

应用领域

这个模型可以在广泛的应用场景中使用，包括：

• 转录德语语音内容
• 支持语音命令和语音控制操作
• 为德语视频自动生成字幕
• 德语环境下的语音搜索查询
• 文字处理程序中的语音输入功能

模型家族

训练数据

该模型的训练数据包括大量的德语语音，这些数据经过精心挑选和处理，以优化识别性能。

训练过程

模型训练使用了以下超参数：

• 批量大小（Batch size）：1024
• 训练周期（Epochs）：2
• 学习率（Learning rate）：1e-5
• 数据增强（Data augmentation）：无

使用指南

以下是一个简单的使用示例，展示了如何加载并使用此模型进行自动语音识别：

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from datasets import load_dataset
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "primeline/whisper-large-v3-german"
model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)
processor = AutoProcessor.from_pretrained(model_id)
pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    return_timestamps=True,
    torch_dtype=torch_dtype,
    device=device,
)
dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
sample = dataset[0]["audio"]
result = pipe(sample)
print(result["text"])

关于我们

德国AI基础设施的合作伙伴，体验推动深度学习、机器学习和高性能计算雄心的强大AI基础设施。此基础设施经过优化，适用于AI训练和推理。

模型作者：Florian Zimmermeister