cantillation/Teamim-large-v3-turbo_WeightDecay-0.005_Augmented_date-07-05-2025

he-cantillation

This model is a fine-tuned version of openai/whisper-large-v3-turbo on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 5.0610
• Wer: 96.8708
• Avg Precision Exact: 0.0606
• Avg Recall Exact: 0.1083
• Avg F1 Exact: 0.0750
• Avg Precision Letter Shift: 0.0800
• Avg Recall Letter Shift: 0.1442
• Avg F1 Letter Shift: 0.0985
• Avg Precision Word Level: 0.0945
• Avg Recall Word Level: 0.1679
• Avg F1 Word Level: 0.1153
• Avg Precision Word Shift: 0.1901
• Avg Recall Word Shift: 0.3552
• Avg F1 Word Shift: 0.2367
• Precision Median Exact: 0.0294
• Recall Median Exact: 0.0667
• F1 Median Exact: 0.04
• Precision Max Exact: 1.0
• Recall Max Exact: 1.0
• F1 Max Exact: 1.0
• Precision Min Exact: 0.0
• Recall Min Exact: 0.0
• F1 Min Exact: 0.0
• Precision Min Letter Shift: 0.0
• Recall Min Letter Shift: 0.0
• F1 Min Letter Shift: 0.0
• Precision Min Word Level: 0.0
• Recall Min Word Level: 0.0
• F1 Min Word Level: 0.0
• Precision Min Word Shift: 0.0
• Recall Min Word Shift: 0.0
• F1 Min Word Shift: 0.0

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: 2
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 1000
• training_steps: 60000
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer	Avg Precision Exact	Avg Recall Exact	Avg F1 Exact	Avg Precision Letter Shift	Avg Recall Letter Shift	Avg F1 Letter Shift	Avg Precision Word Level	Avg Recall Word Level	Avg F1 Word Level	Avg Precision Word Shift	Avg Recall Word Shift	Avg F1 Word Shift	Precision Median Exact	Recall Median Exact	F1 Median Exact	Precision Max Exact	Recall Max Exact	F1 Max Exact	Precision Min Exact	Recall Min Exact	F1 Min Exact	Precision Min Letter Shift	Recall Min Letter Shift	F1 Min Letter Shift	Precision Min Word Level	Recall Min Word Level	F1 Min Word Level	Precision Min Word Shift	Recall Min Word Shift	F1 Min Word Shift
No log	0.0002	1	6.2380	110.8685	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0.0645	0.3754	2500	2.4574	95.0107	0.0821	0.0867	0.0838	0.1114	0.1192	0.1142	0.1349	0.1431	0.1376	0.2944	0.3265	0.3067	0.0449	0.0526	0.0476	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0342	0.7508	5000	2.7722	95.1289	0.0845	0.0930	0.0876	0.1130	0.1269	0.1180	0.1355	0.1519	0.1411	0.2829	0.3349	0.3018	0.04	0.0533	0.0460	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0227	1.1261	7500	3.0372	96.0378	0.0695	0.0938	0.0777	0.0945	0.1296	0.1060	0.1145	0.1560	0.1277	0.2386	0.3426	0.2719	0.0333	0.0556	0.04	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0134	1.5015	10000	3.3407	97.1990	0.0528	0.0844	0.0625	0.0705	0.1139	0.0835	0.0852	0.1368	0.1005	0.1785	0.2988	0.2142	0.0270	0.0526	0.0357	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0164	1.8769	12500	3.4023	97.1348	0.0502	0.0782	0.0587	0.0708	0.1122	0.0829	0.0883	0.1383	0.1023	0.1950	0.3205	0.2307	0.0278	0.05	0.0357	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0099	2.2523	15000	3.5449	96.5002	0.0636	0.1103	0.0774	0.0818	0.1446	0.1002	0.0959	0.1688	0.1172	0.1927	0.3540	0.2395	0.0303	0.0667	0.0408	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0087	2.6276	17500	3.6473	96.9131	0.0629	0.1068	0.0760	0.0830	0.1421	0.1000	0.0969	0.1655	0.1164	0.1956	0.3517	0.2395	0.0303	0.0625	0.04	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0192	3.0030	20000	4.0472	97.3799	0.0532	0.0979	0.0664	0.0724	0.1334	0.0898	0.0878	0.1609	0.1084	0.1819	0.3434	0.2263	0.0286	0.0625	0.0392	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0075	3.3784	22500	4.1235	97.3449	0.0485	0.0950	0.0614	0.0671	0.1345	0.0852	0.0809	0.1608	0.1024	0.1666	0.3439	0.2129	0.025	0.0625	0.0364	1.0	1.0	0.9091	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0049	3.7538	25000	4.0555	97.9795	0.0442	0.0939	0.0568	0.0616	0.1317	0.0787	0.0754	0.1577	0.0946	0.1565	0.3412	0.2004	0.0227	0.0588	0.0351	1.0	1.0	0.8571	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0022	4.1291	27500	4.0404	97.6337	0.0503	0.0884	0.0615	0.0700	0.1253	0.0861	0.0847	0.1503	0.1037	0.1824	0.3361	0.2259	0.0238	0.0556	0.0345	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0016	4.5045	30000	4.4676	97.8424	0.0495	0.0885	0.0608	0.0685	0.1239	0.0839	0.0807	0.1467	0.0991	0.1739	0.3305	0.2164	0.025	0.0588	0.0364	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0031	4.8799	32500	3.8982	97.0867	0.0638	0.1024	0.0758	0.0841	0.1362	0.0998	0.0999	0.1615	0.1181	0.2033	0.3429	0.2441	0.0294	0.0588	0.0392	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0037	5.2553	35000	5.1029	97.8978	0.0483	0.0917	0.0605	0.0670	0.1264	0.0828	0.0815	0.1520	0.0997	0.1718	0.3367	0.2144	0.0256	0.0625	0.0370	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0018	5.6306	37500	4.3351	97.4514	0.0476	0.0950	0.0607	0.0646	0.1297	0.0820	0.0775	0.1547	0.0979	0.1635	0.3385	0.2094	0.025	0.0625	0.0370	1.0	1.0	0.8571	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0011	6.0060	40000	4.4936	97.1275	0.0539	0.1114	0.0696	0.0727	0.1496	0.0929	0.0866	0.1756	0.1098	0.1715	0.3579	0.2189	0.0267	0.0714	0.0385	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0005	6.3814	42500	4.5198	96.9962	0.0602	0.1078	0.0743	0.0779	0.1423	0.0969	0.0929	0.1661	0.1138	0.1893	0.3525	0.2340	0.0294	0.0667	0.0408	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.001	6.7568	45000	4.8643	97.2647	0.0509	0.0968	0.0640	0.0686	0.1322	0.0862	0.0823	0.1559	0.1023	0.1718	0.3380	0.2151	0.0256	0.0625	0.0364	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0003	7.1321	47500	4.7786	97.2238	0.0546	0.1022	0.0680	0.0735	0.1403	0.0918	0.0869	0.1647	0.1081	0.1774	0.3502	0.2227	0.0263	0.0625	0.0377	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0013	7.5075	50000	4.5187	96.5775	0.0600	0.1019	0.0726	0.0785	0.1357	0.0954	0.0934	0.1601	0.1125	0.1956	0.3501	0.2394	0.0286	0.0625	0.0392	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0005	7.8829	52500	4.7046	97.0517	0.0573	0.0999	0.0703	0.0759	0.1339	0.0930	0.0906	0.1595	0.1109	0.1874	0.3438	0.2321	0.0286	0.0625	0.0385	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0001	8.2583	55000	5.3282	97.2296	0.0536	0.1044	0.0676	0.0716	0.1416	0.0901	0.0847	0.1667	0.1063	0.1682	0.3478	0.2142	0.025	0.0667	0.0370	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0	8.6336	57500	5.3362	96.9743	0.0589	0.1081	0.0734	0.0757	0.1421	0.0950	0.0887	0.1642	0.1103	0.1800	0.3481	0.2266	0.0286	0.0667	0.0408	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0001	9.0090	60000	5.0610	96.8708	0.0606	0.1083	0.0750	0.0800	0.1442	0.0985	0.0945	0.1679	0.1153	0.1901	0.3552	0.2367	0.0294	0.0667	0.04	1.0	1.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0

Framework versions

• Transformers 4.49.0
• Pytorch 2.7.0+cu126
• Datasets 2.12.0
• Tokenizers 0.20.1