Kabyle Xlsr

🚀 Akashpb13/Kabyle_xlsr

このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - huデータセット上で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（トレーニングデータセットの10％と開発データセットを統合したもの）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、高精度な音声認識を実現します。

📦 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
python eval.py --model_id Akashpb13/Kabyle_xlsr --dataset mozilla-foundation/common_voice_8_0 --config kab --split test

📚 ドキュメント

モデルの説明

"facebook/wav2vec2-xls-r-300m" がファインチューニングされています。

想定される用途と制限

詳細な情報は必要です。

トレーニングと評価データ

トレーニングデータ - Common voice Kabyle train.tsv。データセットが非常に大きいため、ランダムに50,000レコードをサンプリングしてトレーニングを行いました。Common voice 7.0に含ま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、すべての可能な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): 0.000096
• トレーニングバッチサイズ (train_batch_size): 8
• シード (seed): 13
• 勾配累積ステップ (gradient_accumulation_steps): 4
• 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): 30
• 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

🔧 技術詳細

モデルは "facebook/wav2vec2-xls-r-300m" をベースに、MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - huデータセットでファインチューニングされています。トレーニングデータセットの作成には、すべての可能なデータセットを追加し、90-10の分割を使用しました。特定のハイパーパラメータを使用してトレーニングが行われ、評価セットで良好な結果を得ています。

📄 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。