Wav2vec2 Xlsr 1b Ru

🚀 wav2vec2-xlsr-1b-ru

このモデルは、facebook/wav2vec2-xls-r-1b を common_voice 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。評価セットでは以下の結果を達成しています。

• 損失: 0.1352
• 単語誤り率 (Wer): 0.0971

🚀 クイックスタート

このモデルは、自動音声認識タスクに使用できます。以下のセクションで、モデルの詳細、トレーニングと評価データ、トレーニング手順について説明します。

📚 詳細ドキュメント

モデルの概要

モデルに関する詳細情報は今後追加予定です。

想定される用途と制限

このモデルの想定される用途と制限に関する詳細情報は今後追加予定です。

トレーニングと評価データ

トレーニングと評価に使用されたデータに関する詳細情報は今後追加予定です。

トレーニング手順

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): 5e-05
• トレーニングバッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 8
• シード (seed): 42
• 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): 線形
• 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): 500
• エポック数 (num_epochs): 10
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークのバージョン

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.3
• Tokenizers 0.11.0

📄 モデル情報

• Common Voice 8 データセット: Test WER = 10.83、Test CER = 2.41
• Robust Speech Event - Dev Data データセット: Test WER = 37.71、Test CER = 12.98
• Robust Speech Event - Test Data データセット: Test WER = 31.89