Wav2vec2 Xls R 300m Hi Final

🚀 Wav2Vec2_xls_r_300m_hi_final

このモデルは、'Openslr Multilingual and code-switching ASR challenge'データセットと'mozilla-foundation/common_voice_7_0'データセット上で、facebook/wav2vec2-xls-r-300m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: 0.3035
• 単語誤り率 (Wer): 0.3137
• 文字誤り率 (Cer): 0.0972

🚀 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。詳細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。

✨ 主な機能

• 自動音声認識タスクに最適化されたモデルです。
• 複数言語のデータセットを用いて訓練されています。

📚 ドキュメント

モデルの説明

詳細情報は後日提供予定です。

想定される用途と制限

詳細情報は後日提供予定です。

訓練と評価データ

詳細情報は後日提供予定です。

訓練手順

訓練ハイパーパラメータ

訓練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: 0.0001
• 訓練バッチサイズ: 16
• 評価バッチサイズ: 32
• シード: 42
• 勾配累積ステップ数: 4
• 総訓練バッチサイズ: 64
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類: 線形
• 学習率スケジューラのウォームアップステップ数: 100
• エポック数: 8
• 混合精度訓練: Native AMP

訓練結果

フレームワークのバージョン

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.3
• 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。