mohammed/whisper-large-arabic-cv-11

Whisper Small ar - Mohammed Bakheet

نموذج كلام للتعرف على الصوت، هذا النموذج يتميز بدقة عالية في التعرف على الصوت باللغة العربية.

This model is a fine-tuned version of openai/whisper-large on the Common Voice 11.0 dataset. It achieves the following results on the evaluation set:

• Loss: 0.1921
• Wer: 12.6150

Model description

This model is a fine-tuned version of openai/whisper-large on the Common Voice 11.0 dataset. It achieves 12.61 WER. Data augmentation can be implemented to further improve the model performance.

Intended uses & limitations

from datasets import load_dataset
from transformers import WhisperProcessor, WhisperForConditionalGeneration
from datasets import Audio

# load the dataset
test_dataset = load_dataset("mozilla-foundation/common_voice_11_0", "ar", split="test", use_auth_token=True, trust_remote_code=True)

# get the processor and model from mohammed/whisper-small-arabic-cv-11
processor = WhisperProcessor.from_pretrained("mohammed/whisper-large-arabic-cv-11")
model = WhisperForConditionalGeneration.from_pretrained("mohammed/whisper-large-arabic-cv-11")
model.config.forced_decoder_ids = None

# resample the audio files to 16000
test_dataset = test_dataset.cast_column("audio", Audio(sampling_rate=16000))

# get 10 exmaples of model transcription
for i in range(10):
  sample = test_dataset[i]["audio"]
  input_features = processor(sample["array"], sampling_rate=sample["sampling_rate"], return_tensors="pt").input_features 
  predicted_ids = model.generate(input_features)
  transcription = processor.batch_decode(predicted_ids, skip_special_tokens=False)
  transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)
  print(f"{i} Reference Sentence: {test_dataset[i]['sentence']}")
  print(f"{i} Predicted Sentence: {transcription[0]}")

0 Reference Sentence: زارني في أوائل الشهر بدري
0 Predicted Sentence: زارني في أوائل الشهر بدري 
1 Reference Sentence: إبنك بطل.
1 Predicted Sentence: ابنك بطل  
2 Reference Sentence: الواعظ الأمرد هذا الذي
2 Predicted Sentence: أواعز الأمرج هذا الذي 
3 Reference Sentence: سمح له هذا بالتخصص في البرونز الصغير، الذي يتم إنتاجه بشكل رئيسي ومربح للتصدير.
3 Predicted Sentence: سمح له هذا بالتخصص في البلونز الصغير الذي اعتمد منتاجه بشكل رئيسي وغربح للتصدير  
4 Reference Sentence: ألديك قلم ؟
4 Predicted Sentence: ألديك قلم  
5 Reference Sentence: يا نديمي قسم بي الى الصهباء
5 Predicted Sentence: يا نديمي قسم بي إلى الصحباء 
6 Reference Sentence: إنك تكبر المشكلة.
6 Predicted Sentence: إنك تكبر المشكلة  
7 Reference Sentence: يرغب أن يلتقي بك.
7 Predicted Sentence: يرغب أن يلتقي بك  
8 Reference Sentence: إنهم لا يعرفون لماذا حتى.
8 Predicted Sentence: إنهم لا يعرفون لماذا حتى  
9 Reference Sentence: سيسعدني مساعدتك أي وقت تحب.
9 Predicted Sentence: سيسعدني مساعدتك أي وقت تحب  

Training and evaluation data

This model is trained on the Common Voice 11.0 dataset.

Training procedure

The model is trained on 64 cores CPU, Nvidia A100 GPU with 48 VRAM, and 100GB Disk space. The GPU utilization reached 100%. Please check the training hyperparameters below.

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 1e-05
• train_batch_size: 4
• eval_batch_size: 4
• seed: 42
• gradient_accumulation_steps: 16
• total_train_batch_size: 64
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 500
• training_steps: 2000
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.1952	1.6630	1000	0.1843	14.0098
0.0339	3.3261	2000	0.1921	12.6150

Framework versions

• Transformers 4.43.3
• Pytorch 2.2.0
• Datasets 2.20.0
• Tokenizers 0.19.1