Wav2vec2 Large Xls R 300m Hsb V1

🚀 wav2vec2-large-xls-r-300m-hsb-v1

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: 0.5684
• 単語誤り率 (Wer): 0.4402

🚀 クイックスタート

このモデルの評価方法やトレーニングのハイパーパラメータ、トレーニング結果などの詳細については、以下のセクションを参照してください。

✨ 主な機能

• 上ソルビア語 (Upper Sorbian) の自動音声認識に特化したモデルです。
• 特定のデータセットでファインチューニングされており、高い精度を実現しています。

📦 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

1. mozilla-foundation/common_voice_8_0のテスト分割で評価する場合

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hsb-v1 --dataset mozilla-foundation/common_voice_8_0 --config hsb --split test --log_outputs

2. speech-recognition-community-v2/dev_dataで評価する場合 上ソルビア語はspeech-recognition-community-v2/dev_dataには存在しません。

📚 ドキュメント

トレーニング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。

トレーニング結果

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

🔧 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ファインチューニングされています。トレーニングには特定のハイパーパラメータが使用され、混合精度トレーニングも適用されています。評価では、損失と単語誤り率 (Wer) が指標として使用されています。

📄 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。