Model ailesi
Table with columns: Kısaltma, Model, Eğitim farkı, Kullanım amacı| Kısaltma | Model | Eğitim farkı | Kullanım amacı |
|---|
| M0 | openai/whisper-large-v3 | Ek uyarlama yok | Temel karşılaştırma modeli |
| M1 | Bu repo | Genel Türkçe konuşma ile LoRA | Genel Türkçe ASR |
| M2 | turkmedstt/whisper-large-v3-turkish-medical | Genel Türkçe + sentetik medikal konuşma | Tıbbi terminoloji araştırması |
Bu ayrım kontrollü ablasyon içindir: M1 ve M2 aynı temel model ve benzer eğitim
yapısını kullanır; temel deneysel fark M2 eğitimine medikal verinin eklenmesidir.
Eğitim
- Temel model:
openai/whisper-large-v3
- Yöntem: LoRA, hedef modüller
q_proj,v_proj
- LoRA:
r=64, alpha=128, dropout 0.05
- Öğrenme oranı:
1e-4
- Eğitim: 1 epoch
- Veri: yaklaşık 140 saat dengeli Türkçe konuşma
(Common Voice, ISSAI ve OpenSLR kaynakları)
- Veri hazırlama reçetesi (kaynaklar, lisanslar, temizleme kuralları, sayılar ve yeniden üretim): https://github.com/muhammedkumcu/turkmedstt/blob/main/docs/DATA_PIPELINE.md
Sonuçlar
320 gerçek, medikal olmayan Türkçe klipte:
Table with columns: Model, WER, CER| Model | WER | CER |
|---|
M0 whisper-large-v3 | 0.1213 | 0.0546 |
| M1 genel Türkçe | 0.0792 | 0.0226 |
| M2 genel + medikal | 0.0795 | 0.0228 |
Bu sonuç M1'in genel Türkçe başarımını iyileştirdiğini, M2'nin ise bu kazanımı büyük
ölçüde koruduğunu gösterir.
Metrikler nasıl okunmalı?
Table with columns: Metrik, Tanım, Yorum| Metrik | Tanım | Yorum |
|---|
| WER | (değiştirme + silme + ekleme) / referans kelime sayısı | Düşük değer daha iyidir. 0.0792, yaklaşık %7,92 kelime hatası anlamına gelir. |
| CER | Aynı hata hesabının karakter düzeyinde uygulanması | Türkçedeki ekler ve yazım farklılıkları için WER'i tamamlar. Düşük değer daha iyidir. |
Tablodaki değerler 320 gerçek ve medikal olmayan Türkçe klibin klip-bazlı makro
ortalamasıdır. Bu sonuçlar her kayıt ortamında aynı başarımın garanti edildiği anlamına
gelmez; mikrofon, aksan, konuşma hızı ve arka plan gürültüsü dağılımı değiştirebilir.
20 model ve 1.060 genel Türkçe klibi kapsayan geniş benchmark:
turkmedstt/turkish-asr-benchmark.
Önerilen kullanım alanları
- Türkçe ses kayıtlarının araştırma amaçlı çevrimdışı transkripsiyonu
- Türkçe ASR model karşılaştırmaları ve hata analizi
- Alan-özel modeller için başlangıç noktası veya kontrollü temel model
- İnsan denetimli altyazı ve metin hazırlama iş akışları
Sınırlamalar
- Klinik kullanım veya otomatik karar verme için tasarlanmamıştır.
- Aksan, gürültü, örtüşen konuşma ve alan dışı terminoloji başarımı düşürebilir.
- Eğitim kaynaklarının tamamı bu repo içinde yeniden dağıtılmaz.
- Konuşmacı kimliği, zaman damgası, diarization veya noktalama doğruluğu ayrıca
değerlendirilmemiştir.
- WER ve CER dilsel doğruluğu ölçer; metnin olgusal veya klinik olarak doğru olduğunu
garanti etmez.
Kullanım
import torch
from transformers import pipeline
model_id = "turkmedstt/whisper-large-v3-turkish-general"
device = 0 if torch.cuda.is_available() else -1
dtype = torch.float16 if torch.cuda.is_available() else torch.float32
transcriber = pipeline(
"automatic-speech-recognition",
model=model_id,
torch_dtype=dtype,
device=device,
)
result = transcriber(
"ornek.wav",
generate_kwargs={"language": "tr", "task": "transcribe"},
)
print(result["text"])
Model birleştirilmiş tam ağırlıkları içerdiği için ayrıca LoRA adaptörü yüklenmez.
GPU kullanımı önerilir; CPU üzerinde çıkarım mümkündür ancak large-v3 boyutu nedeniyle
yavaş olabilir. Girdi sesi kod tarafından Whisper işlemcisine uygun örnekleme oranına
dönüştürülmelidir.
Repo içeriği
model.safetensors: birleştirilmiş model ağırlıklarıconfig.json, generation_config.json: model ve üretim ayarları- tokenizer ve feature extractor dosyaları: ses/metin ön ve son işleme bileşenleri
training_metadata.json: yayın için saklanan eğitim özeti
Lisans ve kaynaklar
Birleştirilmiş model Apache-2.0 altında yayımlanır. Temel whisper-large-v3 modeli
MIT lisanslıdır. Eğitim veri kaynaklarının kendi lisansları ve kullanım koşulları
geçerlidir; bu repo ham eğitim seslerini içermez.
Atıf
TurkMedSTT bitirme projesi, 2026.
Katkı verenler
Muhammed Kumcu ve Yağmur Tuncer; proje tasarımı, veri hazırlama, model eğitimi,
yazılım geliştirme, değerlendirme, dokümantasyon ve yayın çalışmalarını birlikte
yürütmüştür.
Teşekkür
Gerçek-ses değerlendirme kayıtlarına gönüllü katkıları için Zeynep Zehra Kumcu ve Yusuf Uysal'a
teşekkür ederiz. Bu kayıtlar yayımlanmamış, yalnız anonim ve toplu sonuçlar raporlanmıştır.