Wav2vec2 Large Xls R 300m Bg D2

🚀 wav2vec2-large-xls-r-300m-bg-d2

このモデルは、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BG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: 0.3421
• 単語誤り率 (Wer): 0.2860

✨ 主な機能

• 自動音声認識 (Automatic Speech Recognition) タスクに特化したモデルです。
• ブルガリア語 (bg) の音声データに対応しています。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

このREADMEには具体的なコード例が記載されていないため、このセクションは省略されます。

📚 ドキュメント

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-bg-d2 --dataset mozilla-foundation/common_voice_8_0 --config bg --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-bg-d2 --dataset speech-recognition-community-v2/dev_data --config bg --split validation --chunk_length_s 10 --stride_length_s 1

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): 0.00025
• 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): 700
• エポック数 (num_epochs): 35
• 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

🔧 技術詳細

このモデルの技術的な詳細については、以下の表にまとめています。

モデルの評価結果

📄 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。