Create README.md
Browse files
README.md
ADDED
|
@@ -0,0 +1,20 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- hu
|
| 4 |
+
base_model:
|
| 5 |
+
- sarpba/whisper-hu-base-finetuned-V2
|
| 6 |
+
---
|
| 7 |
+
# képzési információ
|
| 8 |
+
|
| 9 |
+
A modell, egy újragondolt adatbázissal került kiképzésre.
|
| 10 |
+
|
| 11 |
+
Az adatbázisból ki lettek véve:
|
| 12 |
+
|
| 13 |
+
- a numerikus számok, ezért a modell az elhangzott számokat szövegesen fogja leírni
|
| 14 |
+
- speciális karakterek, ezért ezeket is fonetikusan fogja leírni
|
| 15 |
+
- mozaikszavak
|
| 16 |
+
- nagybetűk
|
| 17 |
+
|
| 18 |
+
Ezek miatt a változtatások miatt a WER elszállt kicsit, viszont a normalizált WER, tovább javult. A hipernormalizált WER vélhetően mégjobb lenne (ahhol a tesztataok is át lennének javítva a fentiek szerint).
|
| 19 |
+
|
| 20 |
+
A képzés ezesetben a transformer könyvtár mintascriptjével történt: https://github.com/huggingface/transformers/tree/main/examples/pytorch/speech-recognition#whisper-model egyedi 2000 órás adatkészleten, ami most a CV17 train+validate spliteket is tartalmazta.
|