Amaç
Türkçe klinik dikte ve tıbbi konuşma tanıma araştırmaları için geliştirilmiştir. İlaç
adları ile Latin/Yunan kökenli tıbbi terimlerin tanınmasını iyileştirmeyi hedefler.
Uyarılar
- Tıbbi cihaz değildir; klinik karar için kullanılmamalıdır.
- Transkripsiyonlar insan denetimi olmadan hasta kaydına veya klinik iş akışına alınmamalıdır.
- Medikal eğitim verisi sentetik TTS verisidir. Gerçek hasta verisi kullanılmamıştır.
- Sentetik in-domain sonuçları bir üst sınırdır; gerçek konuşma sonucuyla aynı kabul edilmemelidir.
- Aksan, arka plan gürültüsü, örtüşen konuşma ve belirsiz telaffuz başarımı düşürebilir.
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
- Genel 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
- Medikal veri:
medv3 sentetik korpusu, eğitim karışımında 3 kez örnekleme
Kontrollü ablasyonda M0 temel model, M1 yalnız genel Türkçe ve M2 genel + medikal
veri kullanır. M1 ile M2 arasındaki temel deneysel fark medikal eğitim verisidir.
Model ailesi
Table with columns: Kısaltma, Model, Eğitim içeriği, Deneydeki rolü| Kısaltma | Model | Eğitim içeriği | Deneydeki rolü |
|---|
| M0 | openai/whisper-large-v3 | Ek uyarlama yok | Temel model |
| M1 | turkmedstt/whisper-large-v3-turkish-general | Genel Türkçe konuşma | Genel dil uyarlamasının etkisi |
| M2 | Bu repo | Genel Türkçe + sentetik medikal konuşma | Medikal alan uyarlamasının ek etkisi |
Bu yapı, medikal kazanımın yalnızca daha fazla eğitimden mi yoksa alan verisinden mi
geldiğini daha kontrollü biçimde incelemek için kullanılmıştır.
Sonuçlar
Table with columns: Değerlendirme, Metrik, M0, M1, M2| Değerlendirme | Metrik | M0 | M1 | M2 |
|---|
| Genel Türkçe, 320 gerçek klip | WER | 0.1213 | 0.0792 | 0.0795 |
| Genel Türkçe, 320 gerçek klip | CER | 0.0546 | 0.0226 | 0.0228 |
| Gerçek-ses medikal, 3 konuşmacı / 120 klip | WER | 0.1060 | 0.1176 | |
medv3 sentetik validation değerlendirmesi eğitim verisiyle aynı sentetik üretim
alanındadır ve gerçek-ses başarımının yerine kullanılmamalıdır.
Zor tıbbi terim testinde M2, üç konuşmacının tamamında M0 ve M1'den daha yüksek recall
ve daha düşük WER elde etmiştir. Gerçek-ses kayıtları yayımlanmamış; yalnız anonim ve
toplu metrikler raporlanmıştır.
Metrikler nasıl okunmalı?
Table with columns: Metrik, Tanım, Yorum| Metrik | Tanım | Yorum |
|---|
| WER | (değiştirme + silme + ekleme) / referans kelime sayısı | Düşük değer daha iyidir. |
| CER | Aynı hata hesabının karakter düzeyinde uygulanması | Türkçedeki ek ve yazım farklılıklarını daha ayrıntılı gösterir. |
| Terim recall | Referansta bulunan hedef medikal terimlerden hipotezde korunanların oranı | Yüksek değer daha iyidir; 0.918, hedef terimlerin %91,8'inin korunduğunu gösterir. |
M0, M1 ve M2 aynı değerlendirme satırında karşılaştırılabilir. Buna karşılık
genel Türkçe, sentetik medikal ve gerçek-ses medikal satırları farklı veri
dağılımlarını temsil ettiği için birbirleriyle tek bir birleşik başarı puanı gibi
yorumlanmamalıdır.
Değerlendirme kapsamı
- Genel Türkçe: 320 gerçek, medikal olmayan konuşma klibi
- Gerçek-ses medikal: üç gönüllü konuşmacıdan toplam 120 klip
- En iyi konuşmacı: üç konuşmacı içindeki en düşük WER üreten ayrı alt grup
- Sentetik validation: medv3 üretim alanından 332 klip; alan-içi üst sınır niteliğinde
Gerçek-ses değerlendirme kayıtları eğitimde kullanılmamış ve yayımlanmamıştır.
Sentetik validation sonucu, aynı TTS üretim ailesine yakın olduğu için gerçek klinik
performans göstergesi olarak kullanılmamalıdır.
20 model ve 1.060 genel Türkçe klibi kapsayan geniş benchmark:
turkmedstt/turkish-asr-benchmark.
Önerilen kullanım alanları
- Türkçe tıbbi terminoloji tanıma araştırmaları
- İnsan denetimli klinik dikte prototipleri
- Genel Türkçe ve medikal uyarlama arasındaki ablasyon çalışmaları
- ASR hata analizi, terim koruma ölçümü ve eğitim amaçlı deneyler
Uygun olmayan kullanımlar
- Tanı, tedavi veya klinik karar verme
- İnsan kontrolü olmadan hasta kaydı üretme
- Acil durum yönlendirmesi veya ilaç dozu belirleme
- Model çıktısını kesin ve doğrulanmış tıbbi bilgi olarak sunma
Kullanım
import torch
from transformers import pipeline
model_id = "turkmedstt/whisper-large-v3-turkish-medical"
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 içerir; ayrıca PEFT/LoRA adaptörü yüklenmez.
whisper-large-v3 boyutu nedeniyle GPU önerilir. CPU üzerinde çalışabilir ancak ilk
model yükleme ve transkripsiyon süresi belirgin biçimde uzayabilir.
Repo içeriği
model.safetensors: birleştirilmiş M2 ağırlıklarıconfig.json, generation_config.json: model ve üretim ayarları- tokenizer, processor ve feature extractor dosyaları
training_metadata.json: temel eğitim ve yayın bilgileri
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 genel 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.