Wav2vec2 Large Xls R 300m Sl With LM V2

🚀 wav2vec2-large-xls-r-300m-sl-with-LM-v2

このモデルは、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - SLデータセットで[facebook/wav2vec2 - xls - r - 300m](https://huggingface.co/facebook/wav2vec2 - xls - r - 300m)をファインチューニングしたものです。評価セットでは以下の結果を達成しています。

🚀 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。以下に評価コマンドや学習のハイパーパラメータなどの詳細を示します。

✨ 主な機能

• 自動音声認識タスクに適用可能です。
• 特定のデータセットでの学習により、高い精度を達成しています。

📦 インストール

インストールに関する具体的な手順は原ドキュメントに記載されていません。

💻 使用例

基本的な使用法

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-large-xls-r-300m-sl-with-LM-v2 --dataset mozilla-foundation/common_voice_8_0 --config sl --split test --log_outputs

2. speech - recognition - community - v2/dev_dataで評価する場合

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sl-with-LM-v2 --dataset speech-recognition-community-v2/dev_data --config sl --split validation --chunk_length_s 10 --stride_length_s 1

📚 ドキュメント

学習ハイパーパラメータ

学習中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

このモデルは自動音声認識タスクに特化しており、特定のデータセットで学習されています。評価指標としてWER（Word Error Rate）とCER（Character Error Rate）が使用されており、学習には特定のハイパーパラメータが用いられています。

📄 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。