metadata

license: apache-2.0
base_model: openai/whisper-tiny
tags:
  - generated_from_trainer
datasets:
  - PolyAI/minds14
metrics:
  - wer
model-index:
  - name: whisper-tiny-en-US
    results:
      - task:
          name: Automatic Speech Recognition
          type: automatic-speech-recognition
        dataset:
          name: PolyAI/minds14
          type: PolyAI/minds14
          config: en-AU
          split: train
          args: en-AU
        metrics:
          - name: Wer
            type: wer
            value: 0.19386369807222373

whisper-tiny-en-US

This model is a fine-tuned version of openai/whisper-tiny on the PolyAI/minds14 dataset. It achieves the following results on the evaluation set:

Loss: 0.5874
Wer Ortho: 0.1978
Wer: 0.1939

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: constant_with_warmup
lr_scheduler_warmup_steps: 5
training_steps: 400

Training results

Training Loss	Epoch	Step	Validation Loss	Wer Ortho	Wer
No log	0.36	10	0.5445	0.1970	0.1930
No log	0.71	20	0.5571	0.1973	0.1939
0.0009	1.07	30	0.5571	0.1981	0.1936
0.0009	1.43	40	0.5535	0.1958	0.1920
0.0024	1.79	50	0.5568	0.1967	0.1930
0.0024	2.14	60	0.5679	0.2024	0.1996
0.0024	2.5	70	0.5574	0.1970	0.1944
0.0019	2.86	80	0.5454	0.1956	0.1936
0.0019	3.21	90	0.5541	0.2044	0.1982
0.0043	3.57	100	0.5330	0.1998	0.1936
0.0043	3.93	110	0.5524	0.1981	0.1958
0.0043	4.29	120	0.5482	0.1958	0.1933
0.0043	4.64	130	0.5554	0.1984	0.1952
0.0043	5.0	140	0.5634	0.1998	0.1949
0.001	5.36	150	0.5526	0.1990	0.1930
0.001	5.71	160	0.5511	0.1973	0.1920
0.001	6.07	170	0.5548	0.1953	0.1917
0.0006	6.43	180	0.5589	0.2047	0.1998
0.0006	6.79	190	0.5657	0.2027	0.1982
0.0004	7.14	200	0.5686	0.1961	0.1933
0.0004	7.5	210	0.5714	0.1944	0.1911
0.0004	7.86	220	0.5710	0.1976	0.1941
0.0002	8.21	230	0.5656	0.1973	0.1925
0.0002	8.57	240	0.5661	0.1981	0.1928
0.0001	8.93	250	0.5688	0.1984	0.1930
0.0001	9.29	260	0.5720	0.1967	0.1920
0.0001	9.64	270	0.5745	0.1970	0.1930
0.0001	10.0	280	0.5758	0.1964	0.1925
0.0001	10.36	290	0.5767	0.1970	0.1930
0.0001	10.71	300	0.5780	0.1978	0.1941
0.0001	11.07	310	0.5793	0.1978	0.1941
0.0001	11.43	320	0.5803	0.1976	0.1939
0.0001	11.79	330	0.5815	0.1973	0.1933
0.0001	12.14	340	0.5824	0.1973	0.1933
0.0001	12.5	350	0.5833	0.1973	0.1933
0.0001	12.86	360	0.5843	0.1970	0.1933
0.0001	13.21	370	0.5850	0.1976	0.1936
0.0001	13.57	380	0.5856	0.1978	0.1939
0.0001	13.93	390	0.5865	0.1978	0.1939
0.0001	14.29	400	0.5874	0.1978	0.1939

Framework versions

Transformers 4.31.0.dev0
Pytorch 1.12.1+cu116
Datasets 2.4.0
Tokenizers 0.12.1