Swahili Xlsr

🚀 Akashpb13/Swahili_xlsr

このモデルは、facebook/wav2vec2-xls-r-300m をMOZILLA - FOUNDATION/COMMON_VOICE_7_0 - huデータセットでファインチューニングしたバージョンです。評価セット（トレインデータセットの10％と開発データセットをマージしたもの）で以下の結果を達成しています。

• 損失: 0.159032
• 単語誤り率 (Wer): 0.187934

✨ 主な機能

• 自動音声認識タスクに適用可能です。
• 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、特定の言語に対する音声認識性能が向上しています。

📚 ドキュメント

モデルの説明

"facebook/wav2vec2-xls-r-300m" をファインチューニングしています。

想定される用途と制限

詳細情報は必要です。

トレーニングと評価データ

トレーニングデータ - Common voice Hausa の train.tsv と dev.tsv。 Common voice 7.0で提供されるすべてのデータセットを連結した後、アップボートがダウンボートより多いポイントのみを考慮し、重複を削除しました。

トレーニング手順

トレーニングデータセットを作成するために、可能なすべてのデータセットを追加し、90 - 10の分割を使用しました。

トレーニングハイパーパラメータ

トレーニング中に以下のハイパーパラメータが使用されました。

• 学習率 (learning_rate): 0.000096
• トレーニングバッチサイズ (train_batch_size): 16
• 評価バッチサイズ (eval_batch_size): 16
• シード (seed): 13
• 勾配累積ステップ (gradient_accumulation_steps): 2
• 学習率スケジューラのタイプ (lr_scheduler_type): cosine_with_restarts
• 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): 500
• エポック数 (num_epochs): 80
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークバージョン

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.18.3
• Tokenizers 0.10.3

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 Akashpb13/Swahili_xlsr --dataset mozilla-foundation/common_voice_8_0 --config sw --split test

📄 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。