Wav2vec2 Xlsr Interlingua

🚀 sammy786/wav2vec2-xlsr-interlingua

このモデルは、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - iaデータセット上でfacebook/wav2vec2-xls - r - 1b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（トレインデータセットの10％を他のデータセットとdevデータセットと結合したもの）で以下の結果を達成しています。

• 損失: 5.44
• 単語誤り率 (Wer): 19.78

🚀 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。以下の評価コマンドを使って、mozilla - foundation/common_voice_8_0データセットで評価できます。

python eval.py --model_id sammy786/wav2vec2-xlsr-interlingua --dataset mozilla-foundation/common_voice_8_0 --config ia --split test

✨ 主な機能

• 自動音声認識タスクに対応。
• MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - iaデータセットでファインチューニングされている。

📚 ドキュメント

モデルの説明

"facebook/wav2vec2-xls - r - 1b"をファインチューニングしています。

想定される用途と制限

詳細な情報は必要です。

トレーニングと評価データ

トレーニングデータ - Common voice Finnish train.tsv、dev.tsvおよびother.tsv

トレーニング手順

トレーニングデータセットを作成するために、可能なすべてのデータセットを追加し、90 - 10の分割を使用しました。

トレーニングハイパーパラメータ

トレーニング中に以下のハイパーパラメータが使用されました。

• 学習率 (learning_rate): 0.000045637994662983496
• トレーニングバッチサイズ (train_batch_size): 16
• 評価バッチサイズ (eval_batch_size): 16
• シード (seed): 13
• 勾配累積ステップ (gradient_accumulation_steps): 2
• 総トレーニングバッチサイズ (total_train_batch_size): 32
• オプティマイザ (optimizer): Adam（ベータ=(0.9, 0.999)、イプシロン=1e - 08）
• 学習率スケジューラの種類 (lr_scheduler_type): cosine_with_restarts
• 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): 500
• エポック数 (num_epochs): 30
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークのバージョン

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.17.1.dev0
• Tokenizers 0.10.3

📄 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。