cantillation/Teamim-IvritAI-large-v3-turbo-new_WeightDecay-0.005_Augmented_date-07-05-2025

he-cantillation

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

• Loss: 5.0244
• Wer: 97.8059
• Avg Precision Exact: 0.0463
• Avg Recall Exact: 0.1014
• Avg F1 Exact: 0.0598
• Avg Precision Letter Shift: 0.0622
• Avg Recall Letter Shift: 0.1383
• Avg F1 Letter Shift: 0.0805
• Avg Precision Word Level: 0.0777
• Avg Recall Word Level: 0.1656
• Avg F1 Word Level: 0.0970
• Avg Precision Word Shift: 0.1542
• Avg Recall Word Shift: 0.3497
• Avg F1 Word Shift: 0.1988
• Precision Median Exact: 0.0227
• Recall Median Exact: 0.0625
• F1 Median Exact: 0.0357
• 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	7.1581	109.4023	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
0.0568	0.3754	2500	2.0970	96.9729	0.0613	0.0775	0.0671	0.0842	0.1078	0.0923	0.1037	0.1324	0.1135	0.2206	0.2995	0.2485	0.0345	0.05	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
0.0314	0.7508	5000	2.3109	96.4492	0.0709	0.0953	0.0792	0.0932	0.1273	0.1045	0.1089	0.1502	0.1225	0.2270	0.3279	0.2605	0.0357	0.0588	0.0435	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
0.018	1.1261	7500	2.5849	97.4587	0.0458	0.0776	0.0548	0.0637	0.1096	0.0766	0.0775	0.1319	0.0926	0.1673	0.2959	0.2038	0.025	0.0455	0.0331	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	1.5015	10000	3.1851	97.9489	0.0397	0.0824	0.0507	0.0539	0.1151	0.0693	0.0664	0.1414	0.0847	0.1476	0.3210	0.1893	0.0204	0.05	0.0317	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
0.0153	1.8769	12500	2.7215	96.5921	0.0645	0.0950	0.0740	0.0868	0.1307	0.1001	0.1080	0.1624	0.1228	0.2293	0.3653	0.2688	0.0323	0.0625	0.0417	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
0.0108	2.2523	15000	3.2672	97.2092	0.0544	0.1084	0.0685	0.0710	0.1448	0.0901	0.0848	0.1708	0.1064	0.1695	0.3629	0.2190	0.0270	0.0714	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
0.0077	2.6276	17500	3.2673	97.1625	0.0551	0.1014	0.0684	0.0749	0.1379	0.0922	0.0895	0.1631	0.1091	0.1845	0.3500	0.2292	0.0278	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
0.0179	3.0030	20000	3.2682	97.2967	0.0516	0.0918	0.0634	0.0712	0.1274	0.0875	0.0869	0.1538	0.1061	0.1856	0.3430	0.2305	0.0278	0.0625	0.0385	1.0	0.8125	0.6667	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0066	3.3784	22500	3.5714	97.3726	0.0454	0.0955	0.0584	0.0621	0.1316	0.0796	0.0742	0.1559	0.0944	0.1542	0.3349	0.1987	0.0227	0.0556	0.0345	0.8571	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
0.0042	3.7538	25000	3.8114	97.9270	0.0404	0.0894	0.0525	0.0558	0.1247	0.0726	0.0677	0.1516	0.0883	0.1420	0.3347	0.1890	0.0222	0.0588	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
0.0014	4.1291	27500	4.0215	96.8212	0.0506	0.1030	0.0654	0.0667	0.1376	0.0863	0.0801	0.1627	0.1023	0.1651	0.3500	0.2142	0.0263	0.0667	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
0.0021	4.5045	30000	4.0509	98.0262	0.0395	0.0905	0.0523	0.0545	0.1243	0.0716	0.0666	0.1525	0.0873	0.1443	0.3387	0.1904	0.0217	0.0625	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
0.0028	4.8799	32500	3.9264	98.0685	0.0381	0.0844	0.0492	0.0513	0.1175	0.0667	0.0632	0.1427	0.0812	0.1319	0.3158	0.1729	0.0	0.0	0.0	0.7778	1.0	0.8750	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0027	5.2553	35000	4.5942	97.9532	0.0446	0.0991	0.0585	0.0593	0.1323	0.0770	0.0731	0.1586	0.0924	0.1465	0.3347	0.1893	0.0227	0.0667	0.0348	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
0.0019	5.6306	37500	4.1899	97.8249	0.0437	0.1073	0.0581	0.0569	0.1405	0.0753	0.0679	0.1646	0.0884	0.1375	0.3415	0.1811	0.0204	0.0588	0.0331	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
0.0011	6.0060	40000	4.5501	98.1939	0.0396	0.0917	0.0528	0.0555	0.1270	0.0728	0.0689	0.1550	0.0890	0.1460	0.3409	0.1913	0.0196	0.0588	0.0317	0.7778	1.0	0.8235	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0008	6.3814	42500	4.3012	97.9882	0.0421	0.0935	0.0552	0.0577	0.1284	0.0753	0.0710	0.1548	0.0909	0.1450	0.3337	0.1898	0.0217	0.0588	0.0339	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
0.0007	6.7568	45000	4.2077	97.8409	0.0456	0.0924	0.0583	0.0623	0.1262	0.0792	0.0756	0.1512	0.0949	0.1578	0.3287	0.2014	0.0244	0.0625	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
0.0007	7.1321	47500	4.5387	97.6308	0.0510	0.1027	0.0652	0.0679	0.1377	0.0863	0.0815	0.1632	0.1026	0.1655	0.3474	0.2120	0.0263	0.0667	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
0.001	7.5075	50000	4.3632	98.0670	0.0457	0.0830	0.0565	0.0635	0.1169	0.0785	0.0792	0.1419	0.0955	0.1735	0.3260	0.2133	0.0253	0.0556	0.0357	1.0	1.0	0.8	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
0.0004	7.8829	52500	4.4452	97.6060	0.0445	0.0961	0.0580	0.0599	0.1288	0.0772	0.0723	0.1532	0.0921	0.1513	0.3325	0.1962	0.0233	0.0625	0.0351	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	4.5731	97.7607	0.0475	0.1018	0.0614	0.0635	0.1380	0.0821	0.0787	0.1659	0.0992	0.1603	0.3549	0.2071	0.025	0.0667	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
0.0001	8.6336	57500	4.9017	97.6148	0.0474	0.1006	0.0609	0.0625	0.1370	0.0811	0.0777	0.1637	0.0978	0.1550	0.3454	0.2009	0.025	0.0667	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
0.0	9.0090	60000	5.0244	97.8059	0.0463	0.1014	0.0598	0.0622	0.1383	0.0805	0.0777	0.1656	0.0970	0.1542	0.3497	0.1988	0.0227	0.0625	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

Framework versions

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