Wav2vec2 Large Xls R 300m Hi CV7

🚀 wav2vec2-large-xls-r-300m-hi-CV7

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI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: 0.6588
• 単語誤り率 (Wer): 0.2987

📚 ドキュメント

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-hi-CV7 --dataset mozilla-foundation/common_voice_7_0 --config hi --split test --log_outputs

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

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): 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): 2000
• エポック数 (num_epochs): 60
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

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

モデル情報

評価結果

このモデルは、以下のタスクとデータセットで評価されています。

• 自動音声認識 (Automatic Speech Recognition)
  • Common Voice 7:
    • テスト単語誤り率 (Test WER): 35.31946325249292
    • テスト文字誤り率 (Test CER): 11.310803379493076
  • Robust Speech Event - Dev Data:
    • テスト単語誤り率 (Test WER): NA
    • テスト文字誤り率 (Test CER): NA

📄 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。