Wav2vec2 Large Xls R 300m Pa IN Dx1

🚀 wav2vec2-large-xls-r-300m-pa-IN-dx1

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットで微調整されたfacebook/wav2vec2-xls-r-300mのバージョンです。自動音声認識タスクに特化しています。

🚀 クイックスタート

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットでfacebook/wav2vec2-xls-r-300mを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: 1.0855
• 単語誤り率 (Wer): 0.4755

✨ 主な機能

• 自動音声認識タスクに特化したモデルです。
• パンジャブ語 (pa-IN) の音声認識に適しています。

📦 インストール

インストールに関する具体的な手順は提供されていません。

💻 使用例

基本的な使用法

評価コマンドについては以下の通りです。

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-pa-IN-dx1 --dataset mozilla-foundation/common_voice_8_0 --config pa-IN --split test --log_outputs

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

Punjabi language isn't available in speech-recognition-community-v2/dev_data

📚 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、facebook/wav2vec2-xls-r-300mをベースに、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-INデータセットで微調整されています。自動音声認識タスクに特化しており、パンジャブ語 (pa-IN) の音声認識に適しています。

📄 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。