Wav2vec2 Large Xls R 300m Bg V1

🚀 wav2vec2-large-xls-r-300m-bg-v1

このモデルは自動音声認識を行うためのモデルです。MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BG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-300m をMOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BG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: 0.5197
• 単語誤り率 (Wer): 0.4689

📦 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

評価コマンドの例を以下に示します。

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-bg-v1 --dataset mozilla-foundation/common_voice_8_0 --config bg --split test --log_outputs

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-v1 --dataset speech-recognition-community-v2/dev_data --config bg --split validation --chunk_length_s 10 --stride_length_s 1

📚 ドキュメント

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): 7e - 05
• 学習バッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 16
• シード (seed): 42
• オプティマイザ (optimizer): Adam (ベータ=(0.9, 0.999), イプシロン=1e - 08)
• 学習率スケジューラの種類 (lr_scheduler_type): 線形
• 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): 2000
• エポック数 (num_epochs): 50.0
• 混合精度学習 (mixed_precision_training): ネイティブAMP

学習結果

フレームワークバージョン

• Transformers: 4.17.0.dev0
• Pytorch: 1.10.2+cu102
• Datasets: 1.18.2.dev0
• Tokenizers: 0.11.0

🔧 技術詳細

このモデルは、自動音声認識タスクに特化しており、MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BGデータセットを使用して微調整されています。以下に、各データセットでの評価結果を示します。

📄 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。