Wav2vec2 Xls R 300m Pa IN R5

🚀 wav2vec2-xls-r-300m-pa-IN-r5

このモデルは、自動音声認識タスクに特化したモデルです。MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットで微調整され、高い精度を達成しています。

🚀 クイックスタート

このモデルは、facebook/wav2vec2-xls-r-300m をMOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットで微調整したものです。評価セットでは以下の結果を達成しています。

• 損失: 0.8881
• 単語誤り率 (Wer): 0.4175

評価コマンド

1. mozilla-foundation/common_voice_8_0のテストスプリットで評価する場合

python eval.py --model_id DrishtiSharma/wav2vec2-xls-r-300m-pa-IN-r5 --dataset mozilla-foundation/common_voice_8_0 --config pa-IN --split test --log_outputs

2. speech-recognition-community-v2/dev_dataで評価する場合 パンジャブ語はspeech-recognition-community-v2/dev_dataでは利用できません。

✨ 主な機能

• 自動音声認識タスクに特化したモデルです。
• MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットで微調整されています。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションをスキップします。

💻 使用例

このREADMEには具体的なコード例が記載されていないため、このセクションをスキップします。

📚 ドキュメント

学習ハイパーパラメータ

学習時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): 0.000111
• 学習バッチサイズ (train_batch_size): 16
• 評価バッチサイズ (eval_batch_size): 32
• 乱数シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 2
• 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数 (lr_scheduler_warmup_steps): 2000
• エポック数 (num_epochs): 200.0
• 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 1.18.2.dev0
• Tokenizers 0.11.0

🔧 技術詳細

このREADMEには具体的な技術詳細が記載されていないため、このセクションをスキップします。

📄 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。