Iloko_modelオープンソース自動音声認識モデル - 無料でデプロイ可能でイロカノ語の音声認識をサポート

Iloko Model

dendenによって開発

このモデルは、facebook/wav2vec2-large-xlsr-53を未知のデータセットで微調整した自動音声認識（ASR）モデルで、イロカノ語（Iloko）の音声認識に対応しています。

ダウンロード数 28

リリース時間 : 3/2/2022

モデル概要

これは自動音声認識用の微調整モデルで、facebookのwav2vec2-large-xlsr-53アーキテクチャに基づいており、イロカノ語に特化して最適化されています。

低語彙誤り率

評価セットで0.084の語彙誤り率（WER）を達成し、優れた性能を発揮しました。

効率的なトレーニング

比較的小さいバッチサイズ（8）と勾配累積（2）を使用して、効率的なトレーニングを実現しました。

学習率最適化

線形学習率スケジューリングとウォームアップ戦略を採用し、トレーニングプロセスを最適化しました。

イロカノ語音声認識

音声テキスト変換

音声文字起こし

イロカノ語音声文字起こし

イロカノ語の音声をテキストに変換します。

語彙誤り率0.084

音声支援アプリケーション

イロカノ語音声アシスタント

イロカノ語に対応した音声アシスタントアプリケーションを構築します。

このモデルは、自動音声認識用のモデルです。facebook/wav2vec2-large-xlsr-53 を不明な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。

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。

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。

学習中に以下のハイパーパラメータが使用されました。

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
3.2784	1.11	100	2.9875	1.0
2.6899	2.22	200	2.6741	1.0
2.6177	3.33	300	2.6516	1.0
2.5327	4.44	400	2.4530	1.0
0.8653	5.56	500	0.5227	0.6547
0.3414	6.67	600	0.1830	0.2487
0.2299	7.78	700	0.1212	0.1877
0.1739	8.89	800	0.0843	0.1441
0.1242	10.0	900	0.0766	0.1441
0.1116	11.11	1000	0.0530	0.1145
0.0861	12.22	1100	0.0442	0.1047
0.1007	13.33	1200	0.0379	0.1023
0.0613	14.44	1300	0.0291	0.1006
0.0629	15.56	1400	0.0264	0.0961
0.047	16.67	1500	0.0238	0.0935
0.0797	17.78	1600	0.0226	0.0913
0.034	18.89	1700	0.0197	0.0893
0.0485	20.0	1800	0.0173	0.0905
0.0402	21.11	1900	0.0148	0.0902
0.0231	22.22	2000	0.0135	0.0891
0.0512	23.33	2100	0.0134	0.0861
0.0181	24.44	2200	0.0118	0.0842
0.0371	25.56	2300	0.0116	0.0867
0.0342	26.67	2400	0.0104	0.0863
0.0344	27.78	2500	0.0100	0.0850
0.0182	28.89	2600	0.0096	0.0839
0.0171	30.0	2700	0.0095	0.0840