Wav2vec2 Large Xls R 300m Hsb V3

🚀 wav2vec2-large-xls-r-300m-hsb-v3

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - HSB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: 0.6549
• 単語誤り率 (Wer): 0.4827

✨ 主な機能

• 自動音声認識 (Automatic Speech Recognition) タスクに対応
• 上ソルビア語 (hsb) の音声認識に特化

📦 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

評価コマンド

基本的な使用法

mozilla-foundation/common_voice_8_0のテストスプリットで評価するには、以下のコマンドを実行します。

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hsb-v3 --dataset mozilla-foundation/common_voice_8_0 --config hsb --split test --log_outputs

高度な使用法

speech-recognition-community-v2/dev_dataで評価する場合、上ソルビア語 (hsb) はspeech-recognition-community-v2/dev_dataに見つかりません。

📚 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。

• 学習率 (learning_rate): 0.00045
• 学習バッチサイズ (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): 線形 (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): 500
• エポック数 (num_epochs): 50
• 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 4.16.1
• Pytorch 1.10.0+cu111
• Datasets 1.18.2
• 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。

🔧 技術詳細

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - HSBデータセットを使用して、facebook/wav2vec2-xls-r-300mをファインチューニングしています。評価セットでは、損失が0.6549、単語誤り率 (Wer) が0.4827という結果を達成しています。

評価結果