Wav2vec2 Xls R 1B German

🚀 XLS-R-300M - ドイツ語版

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。facebook/wav2vec2-xls-r-1b を MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - DE データセットでファインチューニングしたもので、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、自動音声認識タスクに使用できます。以下に評価コマンドの例を示します。

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-german --dataset mozilla-foundation/common_voice_8_0 --config de --split test --log_outputs

2. テスト開発データで評価する場合

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

✨ 主な機能

• ドイツ語の自動音声認識に特化したモデルです。
• 複数のデータセットで評価され、良好な WER（単語誤り率）と CER（文字誤り率）を達成しています。

📚 ドキュメント

モデルの概要

このモデルは、facebook/wav2vec2-xls-r-1b を MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - DE データセットでファインチューニングしたものです。評価セットでは以下の結果を達成しています。

• 損失: 0.1355
• 単語誤り率 (Wer): 0.1532

想定される用途と制限事項

詳細情報は今後の更新で提供予定です。

学習と評価データ

詳細情報は今後の更新で提供予定です。

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): 8
• 評価バッチサイズ (eval_batch_size): 8
• シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 4
• 総学習バッチサイズ (total_train_batch_size): 32
• 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数 (lr_scheduler_warmup_steps): 2000
• エポック数 (num_epochs): 2.5
• 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

モデルの指標

📄 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。