Wav2vec2 Xls R 1b Japanese Hiragana Katakana

🚀 自動音声認識モデル

このモデルは、自動音声認識タスクに特化したモデルです。MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - JAデータセットで微調整されており、評価セットで良好な結果を達成しています。

🚀 クイックスタート

このモデルは、facebook/wav2vec2-xls-r-1b をMOZILLA-FOUNDATION/COMMON_VOICE_8_0 - JAデータセットで微調整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: 0.5500
• 単語誤り率 (Wer): 1.0132
• 文字誤り率 (Cer): 0.1609

📚 ドキュメント

モデルの詳細

詳細情報は今後追加予定です。

想定される用途と制限

詳細情報は今後追加予定です。

学習と評価データ

詳細情報は今後追加予定です。

学習手順

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): 7.5e-05
• 学習バッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配蓄積ステップ (gradient_accumulation_steps): 4
• 総学習バッチサイズ (total_train_batch_size): 128
• 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 (lr_scheduler_warmup_steps): 1500
• エポック数 (num_epochs): 50.0
• 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: 4.17.0.dev0
• Pytorch: 1.10.2+cu102
• Datasets: 1.18.2.dev0
• Tokenizers: 0.11.0

評価コマンド

1. mozilla-foundation/common_voice_8_0 の test スプリットで評価する場合

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset mozilla-foundation/common_voice_8_0 --config ja --split test --log_outputs

2. speech-recognition-community-v2/dev_data の validation スプリットで評価する場合

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0

📄 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。