---
language:
- hu
base_model:
- sarpba/whisper-hu-base-finetuned-V2
---
# képzési információ

A modell, egy újragondolt adatbázissal került kiképzésre.

Az adatbázisból ki lettek véve:

- a numerikus számok, ezért a modell az elhangzott számokat szövegesen fogja leírni
- speciális karakterek, ezért ezeket is fonetikusan fogja leírni
- mozaikszavak
- nagybetűk

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).

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.