Wav2vec2 Common Voice Tr Demo Dist

🚀 wav2vec2-common_voice-tr-demo-dist

このモデルは、COMMON_VOICE - TRデータセットでfacebook/wav2vec2-large-xlsr-53を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。

• 損失: 0.3934
• 単語誤り率 (Wer): 0.3305

🚀 クイックスタート

このモデルは自動音声認識タスクに使用できます。具体的な使用方法は、後続のセクションで説明します。

📚 ドキュメント

モデルの説明

このモデルは、自動音声認識のためにファインチューニングされたモデルです。詳細な情報は今後追加予定です。

想定される用途と制限

このモデルの想定される用途と制限に関する詳細な情報は今後追加予定です。

学習と評価データ

学習と評価に使用されたデータに関する詳細な情報は今後追加予定です。

学習手順

学習ハイパーパラメータ

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。

• 学習率 (learning_rate): 0.0003
• 学習バッチサイズ (train_batch_size): 4
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 分散学習タイプ (distributed_type): マルチGPU
• デバイス数 (num_devices): 2
• 総学習バッチサイズ (total_train_batch_size): 8
• 総評価バッチサイズ (total_eval_batch_size): 16
• オプティマイザ (optimizer): Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラのタイプ (lr_scheduler_type): 線形
• 学習率スケジューラのウォームアップステップ数 (lr_scheduler_warmup_steps): 500
• エポック数 (num_epochs): 15.0
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークバージョン

• Transformers 4.18.0
• Pytorch 1.9.1+cu102
• Datasets 1.13.3
• Tokenizers 0.11.6

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。