Wav2vec2 Base 10k 8khz Pt Cv7 2

🚀 wav2vec2_base_10k_8khz_pt_cv7_2

このモデルは、common_voiceデータセット上でlgris/seasr_2022_base_10k_8khz_ptをファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 76.3426
• 単語誤り率 (Wer): 0.1979

📦 モデル情報

📊 評価結果

このモデルは、以下のデータセットで評価され、次の結果を得ています。

Common Voice 7

• 損失: 76.3426
• 単語誤り率 (Wer): 0.1979
• 文字誤り率 (Cer): 0.1482

Robust Speech Event - Dev Data (sv)

• 単語誤り率 (Wer): 0.4053
• 文字誤り率 (Cer): 0.1695

Robust Speech Event - Dev Data (pt)

• 単語誤り率 (Wer): 0.3715

Robust Speech Event - Test Data (pt)

• 単語誤り率 (Wer): 0.3895

🔧 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): 1e-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): 2
• 総訓練バッチサイズ (total_train_batch_size): 16
• 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): linear
• 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): 100
• 訓練ステップ数 (training_steps): 10000

訓練結果

フレームワークバージョン

• Transformers: 4.16.2
• Pytorch: 1.10.0+cu111
• Datasets: 1.18.3
• Tokenizers: 0.11.0

📄 ライセンス

このモデルは、Apache License 2.0の下で提供されています。