Wav2vec2 Large Xls R 300m Pt Cv

🚀 wav2vec2-large-xls-r-300m-pt-cv

このモデルは、facebook/wav2vec2-xls-r-300m を common_voice データセットで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: 0.3418
• 単語誤り率 (Wer): 0.3581

🚀 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。具体的な使用方法については、Hugging Faceのドキュメントを参照してください。

🔧 技術詳細

学習ハイパーパラメータ

学習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): 0.0003
• 学習バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 2
• 総学習バッチサイズ (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種類 (lr_scheduler_type): 線形 (linear)
• 学習率スケジューラのウォームアップステップ数 (lr_scheduler_warmup_steps): 500
• エポック数 (num_epochs): 5
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.11.3
• Pytorch 1.10.0+cu111
• Datasets 1.13.3
• 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。