Wav2vec2 Xlsr Georgian

🚀 sammy786/wav2vec2-xlsr-georgian

このモデルは、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - kaデータセットで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: 10.54
• 単語誤り率（Wer）: 27.53

✨ 主な機能

このモデルは自動音声認識（Automatic Speech Recognition）に特化しており、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - kaデータセットでファインチューニングされた結果、特定の評価セットで良好な性能を示しています。

📦 インストール

インストールに関する具体的な手順は提供されていません。

📚 ドキュメント

モデルの説明

"facebook/wav2vec2-xls - r - 1b" がファインチューニングされました。

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の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の分割を行いました。

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）: 8
• 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）: 4
• 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

評価コマンド

mozilla - foundation/common_voice_8_0 の test スプリットで評価する場合

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

🔧 技術詳細

このモデルは自動音声認識のために設計されており、"facebook/wav2vec2-xls - r - 1b" をベースにMOZILLA - FOUNDATION/COMMON_VOICE_8_0 - kaデータセットでファインチューニングされました。トレーニングデータセットの作成には、可能なすべてのデータセットを結合し、90 - 10の分割を行いました。トレーニングには特定のハイパーパラメータが使用され、混合精度トレーニングも適用されています。

📄 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。

📊 モデルの指標