Wav2vec2 Common Voice Accents 3

🚀 wav2vec2_common_voice_accents_3

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。

• 損失: 0.0042

🚀 クイックスタート

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、Hugging Faceのドキュメントを参照してください。

📚 ドキュメント

モデルの説明

このモデルは、音声データを処理するために、事前学習済みのモデルをファインチューニングしたものです。詳細な情報は今後の更新で提供される予定です。

想定される用途と制限

このモデルの想定される用途や制限に関する詳細情報は、今後の更新で提供される予定です。

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情報は、今後の更新で提供される予定です。

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: 0.0003
• 学習バッチサイズ: 48
• 評価バッチサイズ: 4
• シード: 42
• 分散タイプ: マルチGPU
• デバイス数: 8
• 総学習バッチサイズ: 384
• 総評価バッチサイズ: 32
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラのタイプ: 線形
• 学習率スケジューラのウォームアップステップ: 500
• エポック数: 30
• 混合精度学習: Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.17.0
• Pytorch 1.10.2+cu102
• Datasets 1.18.4
• 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。