Wav2vec2 Large Xls R 300m Sat Final

🚀 wav2vec2-large-xls-r-300m-sat-final

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - SATデータセットで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: 0.8012
• 単語誤り率 (Wer): 0.3815

🚀 クイックスタート

このモデルの評価コマンドは以下の通りです。

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-sat-final --dataset mozilla-foundation/common_voice_8_0 --config sat --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-sat-final --dataset speech-recognition-community-v2/dev_data --config sat --split validation --chunk_length_s 10 --stride_length_s 1

⚠️ 重要提示

Santali (Ol Chiki)言語はspeech-recognition-community-v2/dev_dataに含まれていません。

🔧 技術詳細

トレーニングのハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは以下の通りです。

• 学習率 (learning_rate): 0.0004
• トレーニングバッチサイズ (train_batch_size): 16
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 2
• 総トレーニングバッチサイズ (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): 線形
• 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): 170
• エポック数 (num_epochs): 200
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークのバージョン

• Transformers: 4.16.2
• Pytorch: 1.10.0+cu111
• 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。