许可证：apache-2.0
语言：

• 德语
  库名称：transformers
  管道标签：自动语音识别

概述

本模型卡介绍了一个基于微型Whisper架构的德语语音识别模型。

Whisper是由OpenAI开发的强大语音识别平台。

应用场景

该模型可应用于以下领域：

• 德语口语转录
• 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

评估 - 词错误率

+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| 模型                                   |   全部 |   Tuda-De |   多语言LibriSpeech |   Common_Voice_19_0 |
+=========================================+=======+===========+============================+=====================+
| openai-whisper-large-v3                 |  3.28 |      7.86 |                       2.85 |                3.46 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-large-v3-turbo           |  3.64 |      8.20 |                       3.19 |                3.85 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-medium                   |  5.49 |     11.13 |                       5.04 |                5.53 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| primeline-whisper-tiny-german-1224      |  6.26 |      9.62 |                       4.97 |                8.46 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-small                    |  9.54 |     15.94 |                       8.77 |               10.15 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-base                     | 18.75 |     33.58 |                      17.15 |               19.74 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+
| openai-whisper-tiny                     | 28.80 |     47.33 |                      26.47 |               30.76 |
+-----------------------------------------+-------+-----------+----------------------------+---------------------+

评估结果基于2024年12月数据，随着评估语料库更新可能发生变化。

最新结果请查看代码和数据集页面。

评估数据和代码详见此处

训练数据

本模型训练数据包含来自多源的大规模德语语音：

• 约6000小时的公开/专有/合成数据
• 经过严格筛选和预处理以优化识别性能

训练过程

关键超参数配置：

• 批大小：32768
• 训练轮次：48
• 学习率：1e-4
• 数据增强：未使用
• 优化器：Ademamix

使用方式

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-tiny-german-1224"
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基础设施，专为AI训练与推理优化。

模型作者：Florian Zimmermeister

免责声明

本模型非primeLine集团产品。  

由[Florian Zimmermeister](https://huggingface.co/flozi00)主导研究，计算资源由primeLine赞助。  

虽然我们已尽力测试开发，但仍可能存在错误。使用本模型风险自担，我们对模型输出错误不承担法律责任。