Wav2vec2 Xls R Hindi

🚀 shivam/wav2vec2-xls-r-hindi

このモデルは、自動音声認識タスクに特化したモデルです。MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HIデータセットで微調整され、評価セットで良好な結果を達成しています。

🚀 クイックスタート

このモデルは、facebook/wav2vec2-xls-r-300m をMOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HIデータセットで微調整したものです。評価セットでは以下の結果を達成しています。

• 損失: 1.2282
• 単語誤り率 (Wer): 0.6838

Common Voice 7 "test"の評価結果 (./eval.pyを実行)

LMを使用した場合

• 単語誤り率 (WER): 52.30
• 文字誤り率 (CER): 26.09

📚 ドキュメント

モデル情報

モデルの結果

訓練手順

訓練ハイパーパラメータ

訓練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): 7.5e-05
• 訓練バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• シード (seed): 42
• 勾配累積ステップ (gradient_accumulation_steps): 4
• 総訓練バッチサイズ (total_train_batch_size): 32
• 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 (lr_scheduler_warmup_steps): 2000
• エポック数 (num_epochs): 50.0
• 混合精度訓練 (mixed_precision_training): Native AMP

訓練結果

フレームワークバージョン

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu113
• Datasets 1.18.1.dev0
• Tokenizers 0.11.0

📄 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。