wav2vec2-large-xls-r-300m-turkishオープンソース音声認識モデル

Wav2vec2 Large Xls R 300m Turkish Colab Common Voice 8 4

husnuによって開発

このモデルはFacebookのwav2vec2-xls-r-300mモデルを基に、common_voiceトルコ語データセットでファインチューニングされた音声認識モデルです。

ダウンロード数 19

リリース時間 : 5/9/2022

モデル概要

これはトルコ語向けの自動音声認識(ASR)モデルで、wav2vec2アーキテクチャに基づき、common_voiceデータセットでファインチューニングされています。

トルコ語最適化

トルコ語に特化してファインチューニングされており、この言語の認識精度が向上しています

wav2vec2アーキテクチャ採用

Facebookの先進的なwav2vec2-xls-r-300mアーキテクチャを採用

低単語誤り率

評価データセットで0.3295の単語誤り率(WER)を達成

トルコ語音声認識

音声からテキストへ

音声文字起こし

トルコ語音声文字起こし

トルコ語の音声内容をテキストに変換

単語誤り率0.3295

このモデルは、facebook/wav2vec2-xls-r-300m を common_voice データセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

このモデルは音声関連のタスクに使用できます。具体的な使用方法については、以下のセクションを参照してください。

学習中に使用されたハイパーパラメータは以下の通りです。

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
5.9268	0.51	400	1.3204	0.9175
0.7491	1.02	800	0.5880	0.6388
0.4911	1.53	1200	0.4680	0.5613
0.4265	2.04	1600	0.4213	0.5059
0.3473	2.55	2000	0.4199	0.4955
0.3291	3.07	2400	0.4323	0.5061
0.2819	3.58	2800	0.4026	0.4490
0.2628	4.09	3200	0.3831	0.4446
0.2371	4.6	3600	0.3622	0.4234
0.2274	5.11	4000	0.3473	0.4012
0.2051	5.62	4400	0.3471	0.3998
0.1985	6.13	4800	0.3759	0.4088
0.1767	6.64	5200	0.3620	0.4012
0.1707	7.15	5600	0.3415	0.3700
0.1559	7.66	6000	0.3317	0.3661
0.147	8.17	6400	0.3265	0.3618
0.1339	8.68	6800	0.3293	0.3586
0.126	9.2	7200	0.3386	0.3458
0.1149	9.71	7600	0.3305	0.3397
0.1051	10.22	8000	0.3235	0.3354
0.1005	10.73	8400	0.3201	0.3295