Wav2vec2 Large Xlsr 53 Ir

🚀 自動音声認識モデル

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - GA-IEデータセットでfacebook/wav2vec2-large-xlsr-53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: 1.0835
• 単語誤り率 (Wer): 0.7490

🚀 クイックスタート

本モデルは、自動音声認識タスクに特化したファインチューニング済みモデルです。詳細な使用方法やコード例については、Hugging Faceのドキュメントを参照してください。

📚 ドキュメント

モデルの説明

このモデルに関する詳細情報は、随時更新予定です。

想定される用途と制限事項

このモデルの想定される用途や制限事項に関する詳細情報は、随時更新予定です。

学習と評価データ

学習と評価に使用したデータに関する詳細情報は、随時更新予定です。

学習手順

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): 7.5e-05
• 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 (gradient_accumulation_steps): 4
• 総学習バッチサイズ (total_train_batch_size): 32
• 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): 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): 2000
• エポック数 (num_epochs): 50.0
• 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: 4.16.0.dev0
• Pytorch: 1.10.1+cu102
• Datasets: 1.17.1.dev0
• Tokenizers: 0.11.0

📄 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。