Wav2vec2 Large Xlsr 53 Sah CV8

🚀 wav2vec2-large-xlsr-53-sah-CV8

このモデルは、common_voiceデータセット上で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: 0.5089
• 単語誤り率 (Wer): 0.5606

✨ 主な機能

• このモデルは、音声認識タスクに使用され、Common Voice sahやCommon Voice 8.0などのデータセットで評価されています。
• 特定のハイパーパラメータを使用してトレーニングされ、一定の性能を発揮します。

📚 ドキュメント

モデルの詳細

このモデルに関するさらなる情報は、今後の更新で提供される予定です。

想定される用途と制限

このモデルの想定される用途と制限に関するさらなる情報は、今後の更新で提供される予定です。

トレーニングと評価データ

トレーニングと評価に使用されたデータに関するさらなる情報は、今後の更新で提供される予定です。

トレーニング手順

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): 0.0001
• トレーニングバッチサイズ (train_batch_size): 16
• 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 (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数 (lr_scheduler_warmup_steps): 300
• エポック数 (num_epochs): 50
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークバージョン

• Transformers 4.11.3
• Pytorch 1.10.0+cu111
• Datasets 1.18.1
• 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。