Wav2vec2 Xls R 300m Japanese

🚀 XLS-R-300M - 日本語

このモデルは、日本語の形式の1つであるひらがなに音声を文字起こしするためのものです。このモデルは、mozilla-foundation/common_voice_8_0データセット上でfacebook/wav2vec2-xls-r-300mをファインチューニングしたものです。

🚀 クイックスタート

このモデルは、音声を日本語のひらがなに変換するために使用できます。以下の手順で結果を達成しています。

• eval.pyをユースケースに合わせて修正します。
• 漢字とカタカナはひらがなと同じ音を持つため、pykakasiを使用してすべてのテキストをひらがなに変換し、fugashiを使用してトークン化します。

評価セットでは、以下の結果を達成しています。

• 損失: 0.7751
• 文字誤り率 (CER): 0.2227

📚 詳細ドキュメント

評価結果 (./eval.pyを実行)

モデルの詳細

詳細情報は後日追加予定です。

想定される用途と制限

詳細情報は後日追加予定です。

学習と評価データ

詳細情報は後日追加予定です。

学習手順

学習ハイパーパラメータ

学習時には、以下のハイパーパラメータが使用されました。

• 学習率: 5e-05
• 学習バッチサイズ: 8
• 評価バッチサイズ: 8
• 乱数シード: 42
• 勾配累積ステップ: 4
• 総学習バッチサイズ: 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種類: 線形
• 学習率スケジューラのウォームアップステップ: 1000
• 学習ステップ: 4000
• 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.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

モデル情報

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。