Wav2vec2 Xlsr Czech

🚀 sammy786/wav2vec2-xlsr-czech

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - cs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: 7.26
• 単語誤り率 (Wer): 19.32

✨ 主な機能

このモデルは自動音声認識タスクに特化しており、チェコ語の音声を高精度に認識することができます。

📦 インストール

READMEにインストール手順は記載されていません。

📚 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、invalidated.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): 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タイプ (lr_scheduler_type): cosine_with_restarts
• 学習率スケジューラウォームアップステップ (lr_scheduler_warmup_steps): 500
• エポック数 (num_epochs): 7
• 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

1. mozilla-foundation/common_voice_8_0のtestスプリットで評価するには

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

🔧 技術詳細

このモデルは、チェコ語の自動音声認識タスクに特化しており、"facebook/wav2vec2-xls-r-1b"をベースにファインチューニングされています。トレーニングにはCommon voice Finnishのデータセットが使用され、特定のハイパーパラメータを設定して最適化されています。

📄 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。

モデル情報