Xls R 300m Ur Cv8 Hi

🚀 自動音声認識モデル

このモデルは、自動音声認識を行うためのモデルです。MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - URデータセットで微調整されており、特定の評価指標で良好な結果を達成しています。

🚀 クイックスタート

このモデルは DrishtiSharma/wav2vec2-large-xls-r-300m-hi-d3 をMOZILLA-FOUNDATION/COMMON_VOICE_8_0 - URデータセットで微調整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: 1.5443
• 単語誤り率 (Wer): 0.7030

🔧 技術詳細

学習ハイパーパラメータ

学習時には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): 0.000388
• 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
• 勾配蓄積ステップ数 (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): 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): 750
• エポック数 (num_epochs): 100.0
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークバージョン

• 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。