许可证：Apache-2.0
语言：

• 德语
  库名称：transformers
  任务标签：自动语音识别
  模型索引：
• 名称：Florian Zimmermeister @primeLine 开发的 whisper-large-v3-turbo-german
  结果：
  • 任务：
    类型：自动语音识别
    名称：语音识别
    数据集：
    名称：德语 ASR 混合数据
    类型：flozi00/asr-german-mixed
    指标：
    • 类型：WER（词错误率）
      值：2.628%
      名称：测试 WER
      数据集：
• flozi00/asr-german-mixed
• flozi00/asr-german-mixed-evals
  基础模型：
• primeline/whisper-large-v3-german

重要说明：

本模型仅为 CTranslate2 转换版本，适用于 faster-whisper 等兼容 CTranslate 的框架。
关于微调方法或所用数据集的任何问题，请参考原始仓库 primeline/whisper-large-v3-turbo-german。

概述

本模型基于 Whisper Large v3，专为德语语音识别微调优化。Whisper 是 OpenAI 开发的强大语音识别平台。此模型针对德语语音处理和识别进行了专门优化。

应用场景

本模型适用于以下领域：

• 德语语音转录
• 语音命令与控制
• 德语视频自动字幕生成
• 德语语音搜索查询
• 文字处理软件的听写功能

模型系列

评估 - 词错误率

评估数据和代码详见此处

训练数据

本模型的训练数据包含大量来自不同来源的德语语音，经过精心筛选和处理以优化识别性能。

训练过程

模型训练采用以下超参数：

• 批量大小：12288
• 训练轮次：3
• 学习率：1e-6
• 数据增强：无
• 优化器：Ademamix

使用方法

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-turbo-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 基础设施合作伙伴
为您提供深度学习、机器学习与高性能计算的强大 AI 基础设施，专为 AI 训练和推理优化。

模型作者：Florian Zimmermeister