Whisper微调用嵌入子集选择降成本

研究者 Roi Yozevitch 与 Or Haim Anidjar 提出一种基于嵌入向量的子集选择方法，用于 Whisper 语音识别模型微调时的训练数据挑选：先用预训练编码器把音频映射到固定维度空间，再用贪心 k-center 算法选出多样且有代表性的样本，以降低微调成本。 在希伯来语和丹麦语上的评测显示，k-center 选择在较小数据预算下常优于随机采样，所选子集覆盖的语言内容也更广。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。