library_name: transformers language:

• si license: apache-2.0 base_model: openai/whisper-small tags:
• generated_from_trainer datasets:
• Lingalingeswaran/asr-sinhala-dataset_json_v1 metrics:
• wer model-index:
• name: Whisper Small sinhala v3 - Lingalingeswaran results:
  • task: name: 自动语音识别 type: automatic-speech-recognition dataset: name: Lingalingeswaran/asr-sinhala-dataset_json_v1 type: Lingalingeswaran/asr-sinhala-dataset_json_v1 args: 'config: si, split: test' metrics:
    • name: 词错误率 type: wer value: 46.457654723127035

Whisper Small 僧伽罗语 v3 - Lingalingeswaran

该模型是基于openai/whisper-small在Lingalingeswaran/asr-sinhala-dataset_json_v1数据集上微调的版本。在评估集上取得了以下结果：

• 损失值：0.2086
• 词错误率：46.4577

模型描述

需补充更多信息

使用场景与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练过程中使用的超参数如下：

• 学习率：1e-05
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：使用OptimizerNames.ADAMW_TORCH，参数为betas=(0.9,0.999)和epsilon=1e-08，无额外优化器参数
• 学习率调度器类型：线性
• 学习率预热步数：500
• 训练步数：3000
• 混合精度训练：原生AMP

训练结果

框架版本

• Transformers 4.48.1
• Pytorch 2.5.1+cu121
• Datasets 3.2.0
• Tokenizers 0.21.0

使用示例

以下是使用Gradio进行僧伽罗语语音识别的示例：

import gradio as gr
from transformers import pipeline

# 使用指定模型初始化管道
pipe = pipeline(model="Lingalingeswaran/whisper-small-sinhala_v3")

def transcribe(audio):
    # 将音频文件转录为文本
    text = pipe(audio)["text"]
    return text

# 创建Gradio界面
iface = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=["microphone", "upload"], type="filepath"),
    outputs="text",
    title="Whisper Small 僧伽罗语",
    description="使用微调Whisper small模型进行僧伽罗语语音识别的实时演示",
)

# 启动界面
if __name__ == "__main__":
    iface.launch()