license: apache-2.0 metrics:

• 字错误率（CER） base_model:
• openai/whisper-large-v3-turbo pipeline_tag: 自动语音识别 library_name: transformers

欢迎使用

如果您认为本模型对您有帮助，请为本模型点赞，并在以下GitHub仓库给我们加星：https://github.com/LianjiaTech/BELLE 和 https://github.com/shuaijiang/Whisper-Finetune

Belle-whisper-large-v3-turbo-zh

本模型通过对whisper-large-v3-turbo进行中文语音识别能力的微调，在AISHELL1、AISHELL2、WENETSPEECH和HKUST等中文语音识别基准测试中，相比原版whisper-large-v3-turbo实现了**24-64%**的相对性能提升。

与Belle-whisper-large-v3-zh-punct模型类似，本模型的标点符号预测功能集成自punc_ct-transformer_cn-en-common-vocab471067-large模型，并已融入训练数据集。

使用方式

from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="BELLE-2/Belle-whisper-large-v3-turbo-zh"
)

transcriber.model.config.forced_decoder_ids = (
  transcriber.tokenizer.get_decoder_prompt_ids(
    language="zh", 
    task="transcribe"
  )
)

transcription = transcriber("my_audio.wav") 

微调配置

如需在自己的数据集上进行微调，请参考GitHub仓库

字错误率(%) ↓

值得强调的是，相比whisper-large-v3和whisper-large-v3-turbo，本模型取得了显著的效果提升。

引用规范

在使用代码、数据或模型时，请引用我们的论文和GitHub仓库。

@misc{BELLE,
  author = {BELLEGroup},
  title = {BELLE：面向大众的大型语言模型引擎},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub仓库},
  howpublished = {\url{https://github.com/LianjiaTech/BELLE}},
}